在 PyTorch 中创建张量

PyTorch 是一个流行的深度学习框架，可以帮助您轻松地创建和操作张量（tensor）。在本文中，我们将讨论如何在 PyTorch 中创建张量。

张量介绍

张量是一个多维数组（通常是矩阵），用于存储和处理数据。在 PyTorch 中，张量与 NumPy 数组非常相似，可以执行类似的操作，例如索引，切片和数学运算。

PyTorch 张量有四个属性：秩（rank）、形状（shape）、数据类型（dtype）和设备（device）。秩表示张量的维数，形状表示张量的大小，数据类型表示张量中元素的类型，设备表示张量存储在哪个硬件设备上（CPU 或 GPU）。

现在让我们看看如何在 PyTorch 中创建张量。

创建张量

要在 PyTorch 中创建张量，请使用 torch.tensor() 函数。这个函数的参数可以是列表、元组、NumPy 数组、标量或另一个张量。

以下是一个创建张量的示例：

import torch

# 创建一个长度为 5 的一维张量，分别为 1、2、3、4、5
a = torch.tensor([1, 2, 3, 4, 5])
print(a)

# 创建一个 3x3 的二维张量，每个元素都为 0
b = torch.zeros((3, 3))
print(b)

# 创建一个 2x2 的二维张量，每个元素都为随机数
c = torch.rand((2, 2))
print(c)

# 创建一个 2x3 的二维张量，每个元素都为 1
d = torch.ones((2, 3))
print(d)

# 创建一个 3x3 的单位矩阵
e = torch.eye(3)
print(e)

输出：

tensor([1, 2, 3, 4, 5])
tensor([[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]])
tensor([[0.3086, 0.4617],
        [0.6900, 0.2407]])
tensor([[1., 1., 1.],
        [1., 1., 1.]])
tensor([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]])

改变张量形状

有时，您需要在不更改张量数据的情况下更改其形状。在 PyTorch 中，您可以使用 torch.view() 函数来实现这一点。

下面是一个示例：

import torch

# 创建一个 2x3 的二维张量，每个元素都为随机数
a = torch.rand((2, 3))
print(a)

# 将张量形状改为 3x2
b = a.view((3, 2))
print(b)

输出：

tensor([[0.7759, 0.5761, 0.5968],
        [0.3343, 0.9667, 0.4979]])
tensor([[0.7759, 0.5761],
        [0.5968, 0.3343],
        [0.9667, 0.4979]])

张量数学运算

PyTorch 中的张量支持各种数学运算，例如加法，减法，乘法和除法。这些运算可以使用 torch.add()、torch.sub()、torch.mul() 和 torch.div() 函数来执行。

以下是一个示例：

import torch

# 创建两个长度为 3 的一维张量
a = torch.tensor([1, 2, 3])
b = torch.tensor([4, 5, 6])

# 计算两个张量之和
c = torch.add(a, b)
print(c)

# 计算两个张量之差
d = torch.sub(a, b)
print(d)

# 计算两个张量之积
e = torch.mul(a, b)
print(e)

# 计算两个张量之商
f = torch.div(a, b)
print(f)

输出：

tensor([5, 7, 9])
tensor([-3, -3, -3])
tensor([ 4, 10, 18])
tensor([0.2500, 0.4000, 0.5000])

GPU 上的张量

在深度学习中，通常使用 GPU 来加速计算。在 PyTorch 中，在 GPU 上创建张量非常容易。只需要将张量分配给 GPU 设备即可。

以下是一个示例：

import torch

# 创建一个 3x3 的二维张量，存储在 GPU 上
a = torch.ones((3, 3), device="cuda")
print(a)

输出：

tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]], device='cuda:0')

结论

在本文中，我们讨论了如何在 PyTorch 中创建张量、改变张量形状、进行数学运算以及在 GPU 上创建张量。希望这篇文章能够帮助您更好地了解如何使用 PyTorch 中的张量。