标签：one color bsp gpu 类型 oat tensor 运算 计算
tensor与Numpy的高维数据概念类似，可以在GPU上进行计算
import torch
建立一个5*3的未初始化的tensor
x=torch.empty(5,3)
print(x)
out：
tensor(1.00000e-07 *
[[-0.0000, 0.0000, 0.0000],
[ 0.0000, 9.4713, 0.0000],
[ 9.4201, 0.0000, 0.0000],
[ 0.0000, -0.0000, 0.0000],
[-0.0000, 0.0000, -0.0000]])
建立一个随机初始化的tensor
x=torch.rand(5,3) print(x)
out:
tensor([[ 0.7816, 0.8146, 0.9424],
[ 0.0888, 0.5530, 0.9181],
[ 0.8362, 0.1937, 0.0084],
[ 0.2004, 0.2818, 0.8674],
[ 0.6464, 0.4978, 0.8994]])
建立一个tensor用0填充并使用long类型
x=torch.zeros(5,3,dtype=torch.long) print(x)
out:
tensor([[ 0, 0, 0],
[ 0, 0, 0],
[ 0, 0, 0],
[ 0, 0, 0],
[ 0, 0, 0]])
直接从数据创建tensor
torch.tensor([5.5,3]) print(x)
out:
tensor([ 5.5000, 3.0000])
我们也可以基于现有的tensor建立新的tensor,这样新的tensor会复用之前的属性，比如类型等
x=torch.new_ones(5,3,dtype=torch.double) print(x)
x=torch.randn_like(x,dtype=torch.float)
print(x)
out:
tensor([[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.]], dtype=torch.float64)
tensor([[ 0.3648, 0.5067, 1.1720],
[-1.3361, 0.9999, 0.4133],
[-0.2699, 0.7601, -1.1138],
[-1.8955, -0.4079, 1.0827],
[-0.0156, 0.3810, 1.2646]])
获得tensor尺寸
print(x.size())
out:
torch.Size([5, 3])
标签：one color bsp gpu 类型 oat tensor 运算 计算
原文地址：https://www.cnblogs.com/Thinker-pcw/p/9622767.html
