PyTorch 笔记 02---- 创建 Tensor

PyTorch 各种创建 Tensor 方式

import from numpy

a = np.array([2, 3.3])
torch.from_numpy(a) #tensor([2.000, 3.300], dtype = torch.float64)

a = np.ones([2, 3])
torch.from_numpy(a) #tensor([[1., 1., 1.],
                             [1., 1., 1.]], dtype = torch.float64)

import from list

torch 承载的参数是现成的数据：numpy 或者 list Torch、FloatTensor 接收 shape 作为参数，生成一个没有初始化的类型. 或使用 list 来接收现有数据（不建议）.

torch.tensor([2, 3.2])  #tensor([2.0000, 3.2000])

torch.FloatTensor([2., 3.2])    #tensor([2.0000, 3.2000])

torch.tensor([[2., 3.2],[1., 22.3]])

uninitialized

• torch.empty(d1, d2)
• torch.FloatTensor(d1, d2, d3)
• torch.IntTensor(d1, d2, d3)

要把未初始化的数据覆盖掉，如果出现 torch.nan 或者 torch.inf，可能就是使用了未初始化的数据.

set default type

一般使用 Tensor 默认是 FloatTensor

使用 torch.set_default_tensor_type(torch.DoubleTensor) 来改变默认类型

torch.tensor([1.2, 3]).type #'torch.FloatTensor'
torch.set_default_tensor_type(torch.DoubleTensor)
torch.tensor([1.2, 3]).type #'torch.DoubleTensor'

rand/rand_like, randint

• rand 随机使用 [0, 1] 均匀分布

  torch.rand(3, 3)    #按均匀分布生成3*3shape的随机张量

• rand_like 接受的参数是一个 tensor，生成一个和其 shape 相同的随机张量 > *_like

• randint (min, max, [shape])，左闭右开

  randint(1, 10, [3, 3])

randn 标准正态分布

torch.randn(3, 3)    #按标准正态分布生成3*3shape的随机张量

如果想自定义均值和方差，使用 normal 生成一维张量后 reshape

torch.normal(mean = torch.full([10], 0), std = torch.arange(1, 0, -0.1)) 
#torch.full([10], 0)生成一个10*1的全0张量
#均值为0，方差依次递减[1, 0.9, ...]

full

torch.full([2, 3], 7)   #tensor([[7., 7., 7.],
                                 [7., 7., 7.])
torch.full([], 7)   #tensor(7.)

arange / range

torch.arange(0, 4)   #tensor([0, 1, 2, 3])
torch.arange(0, 4, 2)   #ensor([0, 2])
torch.range(0, 4)   #tensor([0, 1, 2, 3, 4]) 不建议使用range

linspace / logspace

torch.linspace(0, 10, steps = 4)    #第三个参数是数量
#tensor([0.0000, 3.3333, 6.6666, 10.0000])

torch.logspace(0, -1, steps = 10)   #相当于linspace生成的这些数作为10的幂
#tensor([1.0000, 0.7743, ..., 0.1000])

Ones / Zeros / Eye

torch.ones(2, 2)
#tensor([[1, 1],
         [1, 1])
         
torch.zeros(2, 2)
#tensor([[0, 0],
         [0, 0])
         
torch.eye(2, 3)
#tensor([[1, 0, 0],
         [0, 1, 0])

torch.eye(3)
#tensor([[1, 0, 0],
         [0, 1, 0],
         [0, 0, 1]])

a = torch.zeros(3, 3)
torch.ones_like(a)
#tensor([[1, 1, 1],
         [1, 1, 1],
         [1, 1, 1]])

eye 最多两个参数

randperm

torch.randperm(10)
#tensor([1, 5, 4, 2, 0, 6, 3, 9, 7, 8]) 生成随机索引

• random.shuffle > 为了保持配对

  a = torch.rand(2, 3)
  b = torch.rand(2, 2)
  idx = torch.randperm(2)
  idx #tensor([1, 0])
  
  a[idx]
  b[idx]