AI学习（张量复习）

#1.创建线性空间的张量

def test01():

    #1.在指定区间按照步长生成元素 [start, end, step] [0 2 4 6 8]

    data = torch.arange(0, 10, 2)

    print(data)

   

    #2.在指定区间按照元素个数生成

    data = torch.linspace(0, 11, 10) # [start, end, num] 范围等分

    print(data)

   

#2.创建随机张量    

def test02():

    #1.创建2行3列的随机张量，元素类型为float32

    data = torch.randn(2, 3)

    print(data)

   

   

    # #手工指定随机数种子之后，生成的随机数是固定的

    # torch.random.manual_seed(100)

    # data = torch.randn(2, 3)

    # print(data)

   

   

    #2.随机数种子设置

    #initial_seed取得默认的随机数种子

    print("设置随机数种子:",torch.random.initial_seed())#完全随机的

   

    #手工指定随机数种子

    torch.random.manual_seed(100)

    print("设置随机数种子:",torch.random.initial_seed())#有计算路径，伪随机的

   

if __name__ == '__main__':

    test02()

 

————————————————————

def test01():

    # 1.创建指定形状全0的张量

    data = torch.zeros(2, 3)

    print(data)

    # 2.根据张量形状创建 全0的张量

    data = torch.zeros_like(data)

    print(data)

#2.创建指定形状全1的张量

def test02():

    # 1.创建指定形状全1的张量

    data = torch.ones(2, 3)

    print(data)

    # 2.根据张量形状创建 全1的张量

    data =torch.Tensor([[1, 2, 3, 4],[5, 6, 7, 8]])

    #这种方式只是继承了原来张量的形状，因此所打印出的值仍然是原来张量的值:"1"

    data = torch.ones_like(data)

    print(data)

#3.创建全为定值的张量

def test03():

    # 1.创建指定形状全为定值的张量

    data = torch.full([2, 3], 10)

    print(data)

    # 2.根据张量形状创建 全为定值的张量

    data = torch.full_like(data, 20)

    print(data)

if __name__ == '__main__':

    test01()

    print('-'*50)

    test02()

    print('-'*50)

    test03()

   

   

    #torch.ones和torch.ones_like:创建全为1的张量

    #torch.zeros和torch.zeros_like:创建全为0的张量

    #torch.full和torch.full_like:创建全为定值的张量

 

————————————————————————

def test():

    #创建了一个张量

    data = torch.full([2, 3], 10)#创建一个2行3列的张量，元素类型为int64

    print(data.dtype)

    #将 data 元素类型转换为 float64 类型

    # 第一种方法

    data = data.type(torch.DoubleTensor)

    print(data.dtype)

    # 转换为其他类型

    # data = data.type(torch.IntTensor)

    # data = data.type(torch.FloatTensor)

    # data = data.type(torch.LongTensor)

    # data = data.type(torch.ShortTensor)

   

    # 第二种方法

    data  = data.double()#转换为float64

    print(data.dtype)

    # 转换为其他类型

    # data = data.int()#转换为int32

    # data = data.float()#转换为float32

    # data = data.long()#转换为int64

    # data = data.short()#转换为int16

if __name__ == '__main__':

    test()