🌈个人主页： 羽晨同学

💫个人格言:“成为自己未来的主人~”   

简介：

一个Python深度学习框架，它将数据封装成张量（Tensor）进行处理，Python中的张量就是元素为同一种数据类型的多维矩阵，在Python中，张量以“类”的形式封装起来，对张量的一些运算，处理的方法被封装在类中.

安装：

pip install torch==2.0.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

张量的创建

张量的基本创建方法

torch.tensor根据指定数据创建张量

torch.Tensor根据形状创建张量，其也可用来创建指定数据的张量 

torch.tensor()根据指定数据创建张量

import torch
import numpy as np
# 1.创建张量标量
data=torch.tensor(10)
print(data)
# 2. numpy 数组，由于data 为float64,下面代码也使用该类型
data=np.random.randn(2,3)
data=torch.tensor(data)
print(data)
# 3.列表,下面代码使用默认元素类型 float32
data=[[10.,20.,30.],[40.,50.,60.]]
data=torch.tensor(data)
print(data)

 torch.Tensor（）根据指定形状创建张量，也可以用来创建指定数据的张量

# 1.创建2行3列的张量，默认dtype为float32
data=torch.Tensor(2,3)
print(data)
# 2.注意：如果传递列表，则创建包含指定元素张量
data=torch.Tensor([10])
print(data)
data=torch.Tensor([10,20])
print(data)

 创建线性和随机张量

torch.arange和torch.linspace创建线性张量

torch.randn创建随机张量

 torch.arange()、torch.linspace()创建线性张量

# 1. 在指定区间按照步长生成元素【start,end,step】
data=torch.arange(0,10,2)
print(data)
# 2. 在指定区间按照元素个数生成[start,end,num]
data=torch.linspace(0,11,10)
print(data)

 torch.randn()创建随机张量

# 1.创建随机张量
data=torch.randn(2,3) # 创建2行3列张量
print(data)

 创建0-1张量

torch.ones 创建全1张量

torch.zeros 创建全0张量

torch.full 创建全为指定值张量

创建全0张量

# 1.创建指定形状全0张量
data=torch.zeros(2,3)
print(data)

创建全1张量

# 2.创建全1张量
data=torch.ones(2,3)
print(data)

创建全为指定值张量 

# 3.创建指定形状指定值的张量
data=torch.full([2,3],10)
print(data)

张量的类型转换

data.type(torch.DoubleTensor)

data.double() 

 data.type(torch.DoubleTensor)

data=torch.full([2,3],10)
print(data.dtype)
# 将data元素类型转换为float64类型
data=data.type(torch.DoubleTensor)
print(data.dtype)
# 转换成其他类型
data=data.type(torch.IntTensor)
print(data.dtype)
data=data.type(torch.LongTensor)
print(data.dtype)
data=data.type(torch.FloatTensor)
print(data.dtype)

 data.double()

data=torch.full([2,3],10)
print(data.dtype)
# 将data元素类型转换为 float64类型
data=data.double()
print(data.dtype)
# 转换成其他类型
data=data.int()
data=data.long()
data=data.float()