PyTorch张量

一、PyTorch张量概述

PyTorch 是一个开源的机器学习库，张量（Tensor）是 PyTorch 中最基本的数据结构。张量可以看作是多维数组，它类似于 NumPy 中的 ndarray。张量可以存储数据，并且能够利用 GPU 加速计算，这是 PyTorch 在深度学习中非常重要的特性。

• 数据类型：张量可以存储多种数据类型，如浮点数（float32、float64 等）、整数（int32、int64 等）等。例如，torch.FloatTensor 表示存储浮点数的张量。

• 维度：张量的维度可以是任意的。一个标量（单个数值）可以看作是 0 维张量，一维张量类似于向量，二维张量类似于矩阵，而更高维度的张量可以用于表示更复杂的数据结构，比如图像数据（通常是一个 4 维张量，包括批次大小、通道数、高度和宽度）。

二、创建张量

（一）直接从数据创建

Python复制

import torch

# 创建一个一维张量
tensor_1d = torch.tensor([1, 2, 3])
print(tensor_1d)

# 创建一个二维张量
tensor_2d = torch.tensor([[1, 2], [3, 4]])
print(tensor_2d)

这种方式可以直接从 Python 列表等数据结构创建张量。PyTorch 会根据提供的数据推断出张量的数据类型和形状。

（二）使用特定函数创建

• 全零张量

  zeros_tensor = torch.zeros(2, 3)  # 创建一个 2×3 的全零张量
  print(zeros_tensor)

• 全一张量

  ones_tensor = tor