20天狂宴Pytorch-Day5

GitHub链接

张量的基本概念.

数据类型

张量的数据类型 (dtype) 基本和numpy.array一致, 但不支持 str 类型. 包括:

torch.float64(torch.double),
torch.float32(torch.float),
torch.float16,
torch.int64(torch.long),
torch.int32(torch.int),
torch.int16,
torch.int8,
torch.uint8,
torch.bool

一般使用torch.float32类型.

i = torch.tensor(1, dtype=torch.int32)
x = torch.tensor(2.0, dtype=torch.double)

i = torch.IntTensor(1) # torch.int32
x = torch.Tensor(np.array(2.0)) # 等价于torch.FloatTensor, torch.float32
b = torch.BoolTensor(np.array([1,0,2,0])) # 非零为True, torch.bool

i = torch.tensor(1)
x = i.float()	# 调用float方法转换成浮点类型
y = i.type(torch.float)	# 使用type函数转换成浮点类型
z = i.type_as(x)	# 使用type_as方法转换成某个Tensor相同类型

张量的维度

标量 0 维, 向量 1 维, 矩阵 2 维, 彩色图像有 RGB 三维, 可以用 3 维张量表示, 视频还有时间维, 可以用 4 维.

省流: 有几层中括号就是几维.

tensor3 = torch.tensor([[[1.0,2.0],[3.0,4.0]],[[5.0,6.0],[7.0,8.0]]])	# 3维张量
print(tensor3)
print(tensor3.dim())

tensor4 = torch.tensor([[[[1.0,1.0],[2.0,2.0]],[[3.0,3.0],[4.0,4.0]]],
                        [[[5.0,5.0],[6.0,6.0]],[[7.0,7.0],[8.0,8.0]]]])	# 4维张量
print(tensor4)
print(tensor4.dim())

张量的尺寸

可以使用 shape 属性或 size () 方法查看张量在每一维的长度, 使用 view 方法或 reshape 方法改变张量的尺寸.

vector = torch.arange(0,12)
print(vector)
print(vector.shape)

matrix34 = vector.view(3,4)
print(matrix34)
print(matrix34.shape)

matrix43 = vector.view(4,-1) # -1表示我懒得算, 让python给我算
print(matrix43)
print(matrix43.shape)

view 要求数据是连续存放的, 转置等操作后, 数据不再连续存放, 可以使用 reshape 方法.

matrix26 = torch.arange(0,12).view(2,6)
print(matrix26)
print(matrix26.shape)
matrix62 = matrix26.t()
print(matrix62.is_contiguous())

matrix34 = matrix62.reshape(3,4) #等价于matrix34 = matrix62.contiguous().view(3,4)
print(matrix34)

张量和 numpy 数组

可以用 numpy 方法从张量得到 numpy 数组, 也可以用torch.from_numpy从 numpy 数组得到张量. 这样得到的张量和数组共享内存, 改变其中一个, 另一个也会改变. 可以通过 clone 方法中断这种改变.

可以用 item 方法从标量张量得到对应数值, 通过 tolist 方法从张量得到对应的数值列表.

arr = np.zeros(3)
tensor = torch.from_numpy(arr)
print(arr)
print(tensor)

np.add(arr,1, out = arr)
print(arr)
print(tensor)

tensor = torch.zeros(3)
arr = tensor.numpy()
print(tensor)
print(arr)


# 带下划线的方法表示计算结果会返回给调用张量
tensor.add_(1)	# 或torch.add(tensor, 1, out=tensor)
print(tensor)
print(arr)


tensor = torch.zeros(3)
arr = tensor.clone().numpy() # 或tensor.data.numpy()


# item方法和tolist方法可以将张量转换成python数值和数值列表
scalar = torch.tensor(1.0)
s = scalar.item()
print(s)
print(type(s))
tensor = torch.rand(2, 2)
t = tensor.tolist()
print(t)
print(type(t))