Pytorch基础——（1）张量（tensor）的初始化

导入pytorch库

import torch

• 初始化张量

DEVICE = "cuda" if torch.cuda.is_available() else "cpu"  # 设置运行的设备
x = torch.tensor([[1, 2, 3], [4, 5, 6]], dtype=torch.float32, device=DEVICE, requires_grad=True)

• 其他初始化方法

 1.产生0-1之间均匀分布的2x3的张量 

x = torch.rand((2, 3))
print(x)

2.产生0-1之间正态分布的2x3的张量

x = torch.randn((2, 3))
print(x)

3. 产生3-10之间随机整数的2x3的张量

x = torch.randint(3, 10, (2, 3))
print(x)

4.产生和input格式一样的张量 

input = torch.rand((3, 3))
x = torch.rand_like(input)

5.产生初始值为0，步长为1，不包含终止值的序列 

x = torch.arange(start=0, end=10, step=1)

 6.产生初始值为0，终止值为9，总步数为11的序列

 x = torch.linspace(start=0, end=9, steps=11)

 7.产生对角线是0-1均匀分布的张量

x = torch.diag(torch.rand(5))

•  转换数据类型

我们常用numpy数据类型，但是它不能直接在torch中运算，因此需要转换数据类型。

import numpy as np

x = np.zeros((5, 5))
print(x)
print(x.dtype)

x_torch = torch.from_numpy(x)   # 从numpy变成torch张量类型
print(x_torch)
print(x_torch.dtype)

x_back = x_torch.numpy()   # 从torch张量变回numpy类型
print(x_back)
print(x_back.dtype)

注意：

出现 Numpy is not available 报错时，是numpy和pytorch的版本不匹配。