人工智能专栏

正文

本文我们将学习pytorch中的张量（Tensor），它是一个多维数组，零维就是一个点，一维就是向量，二维就是一般的矩阵，多维就相当于一个多维的数组，这和 numpy理解是一样的，不同的是Tensor不仅可以在CPU上跑，在GPU上也可以跑。

给定一个张量数据，我们可以确定它的维度（dimension）、大小（size）和元素的个数。

维度表示这个张量有几维（零位、一维、二维、多维），大小可以理解为这个张量的shape，元素的个数表示张量中的元素的总数。只有维度、大小、元素个数、更元素都相同的两个张量，才是两个相同的张量。

需要注意的是，对于某个张量，若其大小（shape）中有一个条目是1，那么这个1也是不可以省略的，也应该算进张量的维度里。例如，大小为（3，1）的二维张量和大小为（3，）的张量虽然虽然有相同的元素个数，但是它们的维度不用（前面的二维，后面的一维）、大小不同，所以二者不是相同的张量。

张量的维度是这样就算的，我们就看向量的大小（）括号中有几个数字，有几个数字那么这个张量就是几维，也就是说一维向量的大小具有（s[0],）的形式。

要想创建tensor有以下几种方式

方式一：将numpy转成tensor

方式二：将列表转成tensor，常用于两维以下

torch.tensor([1，2])

torch.tensor([[1,2],[3,4]])

方式三：torch.FloatTensor(d1,d2,d3)创建维度为d1，d2，d3维度的tensor（此时的数据是为初始化的，也就是数字会很大或者很小，一般需要对应的对其进行覆盖操作）

创建向量

import torch

a=torch.tensor([1.])

print(a.type())

print(a.dim())

print(a.shape)

print(a.size())

创建向量的时候，直接在torch.tensor中放入我们想要创建的那个向量

还可以这样创建向量

import torch

a=torch.FloatTensor(2)#创建一个一维向量，里面有两个元素

print(a)

print(a.type())

print(a.dim())

print(a.shape)

print(a.size())