目录
Tensor的创建
tensor和numpy array的相互转换
张量的创建
张量的操作
加法运算
广播机制
自动求导
如果执行这两句没有问题,说明你已经安装好了GPU版本的pytorch
Tensor的创建
张量是基于向量和矩阵的推广
- 标量-----0维张量
- 向量-----1维张量
- 矩阵-----2维张量
在PyTorch中, torch.Tensor 是存储和变换数据的主要工具。
?torch.tensor
在jupyter notebook中,用该方式发现tensor会有四个属性
tensor(data, *, dtype=None, device=None, requires_grad=False, pin_memory=False) -----data:正常的数据部分 -----dtype:指明数据类型 -----device:可强制显卡使用cpu -----requires_grad:是否允许求导 -----pin_memory:常驻内存,拿空间换时间
tensor和numpy array的相互转换
可调用torch.tensor()和torch.from_numpy()将numpy array数据类型转换为张量
张量.numpy()即可转换回numpy array
张量的创建
其他创建函数
查看属性
张量的操作
加法运算
索引操作
就是切片操作,用法不变
改变tensor形状的神器:view
只要保证参数是因子,即可只确定一维,另一维用-1代替。
view() 返回的新tensor与源tensor共享内存(其实是同一个tensor)
可以先用clone()复制原张量,再用view()
广播机制
维度不匹配,但是依然可以相加。这里pytorch先把原来的复制扩充相加结果后的维度,然后再进行加法操作。
扩维与降维
自动求导
反向传播才有导数
导数会累积



