pytorch tensor

 

 

 

  

import torch
import numpy as np

dd=[[1,2,3],[4,5,6],[7,8,9]]
t=torch.tensor(dd)
print(type(dd),type(t))
print(t.shape)
t=t.reshape(1,9)
print(t)
print(t.shape)
print(t.dtype,t.device,t.layout,sep='分隔')

<class 'list'> <class 'torch.Tensor'>
torch.Size([3, 3])
tensor([[1, 2, 3, 4, 5, 6, 7, 8, 9]])
torch.Size([1, 9])
torch.int64分隔cpu分隔torch.strided

张量的数据类型有如下几种：

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

但是pytorch 1.8版本中上述的两种tensor类型之间可以互相加减了。

 

t1=torch.tensor([1,2,3])
t2=torch.tensor([1.,2.,3.])
print(t1.dtype,t2.dtype)
print(t1+t2)
结果：

torch.int64 　　torch.float32
tensor([2., 4., 6.])

 下图为不同设备之间的运算出错：

 

import torch
import numpy as np

t3=torch.tensor([1,2,3])
t4=t3.cuda()
print(t3.device,t4.device)
print(t3+t4)


结果为：
cpu cuda:0
Traceback (most recent call last):
  File "E:/code/python/DLT/data/deeplizard.py", line 7, in <module>
    print(t3+t4)
RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu!

 

在pytorch中创建张量的方法主要有四种，

1.torch.Tensor(data);

2.torch.tensor(data);

3.torch.as_tensor(data);

4.torch.from_numpy(data); 

下面用numpy数组来创建一些数据：

import torch
import numpy as np

data=np.array([1,2,3])
t5=torch.tensor(data)
t6=torch.Tensor(data)
t7=torch.as_tensor(data)
t8=torch.from_numpy(data)
print("data: ",data,'data type: ',type(data))
print('t5: ',t5,'t5 type: ',type(t5))
print('t6: ',t6,'t6 type: ',type(t6))
print('t7: ',t7,'t7 type: ',type(t7))
print('t8: ',t8,'t8 type: ',type(t8))

结果如下：
data:  [1 2 3] data type:  <class 'numpy.ndarray'>
t5:  tensor([1, 2, 3], dtype=torch.int32) t5 type:  <class 'torch.Tensor'>
t6:  tensor([1., 2., 3.]) t6 type:  <class 'torch.Tensor'>
t7:  tensor([1, 2, 3], dtype=torch.int32) t7 type:  <class 'torch.Tensor'>
t8:  tensor([1, 2, 3], dtype=torch.int32) t8 type:  <class 'torch.Tensor'>

可看到，t6内数据后有小数点，表明其是浮点数。

上述代码中t5,t6的区别在于，t6是类构造函数，t5那个小写的tensor表示的张量函数是我们所说的为我们构建张量对象的工厂函数。

 torch.Tensor()是python类，更明确地说，是默认张量类型torch.FloatTensor()的别名，torch.Tensor([1,2])会调用Tensor类的构造函数init，生成单精度浮点类型的张量。