pythontorchexp_PyTorch官⽅中⽂⽂档：torch
torch
包 torch 包含了多维张量的数据结构以及基于其上的多种数学操作。另外，它也提供了多种⼯具，其中⼀些可以更有效地对张量和任意类型进⾏序列化。
它有CUDA 的对应实现，可以在NVIDIA GPU上进⾏张量运算(计算能⼒>=2.0)。
张量 Tensors
torch.is_tensor[source]
torch.is_tensor(obj)
如果obj 是⼀个pytorch张量，则返回True
参数： obj (Object) – 判断对象
torch.is_storage [source]
torch.is_storage(obj)
如何obj 是⼀个pytorch storage对象，则返回True
参数： input (Object) – 判断对象
torch.__set_default_tensor_type__[source]
torch.set_default_tensor_type(t)
torch.numel
torch.numel(input)->int
返回input 张量中的元素个数
参数: input (Tensor) – 输⼊张量
例⼦:
>>> a = torch.randn(1,2,3,4,5)
>>> torch.numel(a)
120
>>> a = s(4,4)
>>> torch.numel(a)
16
torch.set_printoptions[source]
torch.set_printoptions(precision=None, threshold=None, edgeitems=None, linewidth=None, profile=None)
设置打印选项。 完全参考⾃Numpy。
参数:
precision – 浮点数输出的精度位数 (默认为8 )
threshold – 阈值，触发汇总显⽰⽽不是完全显⽰(repr)的数组元素的总数 (默认为1000)
edgeitems – 汇总显⽰中，每维(轴)两端显⽰的项数(默认值为3)
linewidth – ⽤于插⼊⾏间隔的每⾏字符数(默认为80)。Thresholded matricies will ignore this parameter.
profile – pretty打印的完全默认值。 可以覆盖上述所有选项 (默认为short, full)
创建操作 Creation Ops
<
<(n, m=None, out=None)
返回⼀个2维张量，对⾓线位置全1，其它位置全0
参数:
n (int ) – ⾏数
m (int, optional) – 列数.如果为None，则默认为n
out (Tensor, optinal) - Output tensor
返回值: 对⾓线位置全1，其它位置全0的2维张量
返回值类型: Tensor
例⼦:
>>> (3)
1 0 0
0 1 0
0 0 1
python中文文档
[torch.FloatTensor of size 3x3]
from_numpy
torch.from_numpy(ndarray) → Tensor
Numpy桥，将numpy.ndarray 转换为pytorch的 Tensor。
返回的张量tensor和numpy的ndarray共享同⼀内存空间。修改⼀个会导致另外⼀个也被修改。返回的张量不能改变⼤⼩。例⼦:
>>> a = numpy.array([1, 2, 3])
>>> t = torch.from_numpy(a)
>>> t
torch.LongTensor([1, 2, 3])
>>> t[0] = -1
>>> a
array([-1, 2, 3])
torch.linspace
torch.linspace(start, end, steps=100, out=None) → Tensor
返回⼀个1维张量，包含在区间start 和 end 上均匀间隔的steps个点。
输出1维张量的长度为steps。
参数:
start (float) – 序列的起始点
end (float) – 序列的最终值
steps (int) – 在start 和 end间⽣成的样本数
out (Tensor, optional) – 结果张量
例⼦:
>>> torch.linspace(3, 10, steps=5)
3.0000
4.7500
6.5000
8.2500
10.0000
[torch.FloatTensor of size 5]
>>> torch.linspace(-10, 10, steps=5)
-10
-5
5
10
[torch.FloatTensor of size 5]
>>> torch.linspace(start=-10, end=10, steps=5)
-10
-5
5
10
[torch.FloatTensor of size 5]
torch.logspace
torch.logspace(start, end, steps=100, out=None) → Tensor
返回⼀个1维张量，包含在区间 \(10^{start}\) 和 \( 10^{end} \)上以对数刻度均匀间隔的steps个点。输出1维张量的长度为steps。
参数:
start (float) – 序列的起始点
end (float) – 序列的最终值
steps (int) – 在start 和 end间⽣成的样本数
out (Tensor, optional) – 结果张量
例⼦:
>>> torch.logspace(start=-10, end=10, steps=5) 1.0000e-10
1.0000e-05
1.0000e+00
1.0000e+05
1.0000e+10
[torch.FloatTensor of size 5]
>>> torch.logspace(start=0.1, end=1.0, steps=5)
1.2589
2.1135
3.5481
5.9566
10.0000
[torch.FloatTensor of size 5]
返回⼀个全为1 的张量，形状由可变参数sizes定义。参数:
sizes () – 整数序列，定义了输出形状
out (Tensor, optional) – 结果张量
例⼦:
>>> s(2, 3)
1 1 1
1 1 1
[torch.FloatTensor of size 2x3]
>>> s(5)
1
1
1
1
1
[torch.FloatTensor of size 5]
torch.rand
torch.rand(*sizes, out=None) → Tensor
返回⼀个张量，包含了从区间[0,1)的均匀分布中抽取的⼀组随机数，形状由可变参数sizes 定义。
参数:
sizes () – 整数序列，定义了输出形状
out (Tensor, optinal) - 结果张量
例⼦：
>>> torch.rand(4)
0.9193
0.3347
0.3232
0.7715
[torch.FloatTensor of size 4]
>>> torch.rand(2, 3)
0.5010 0.5140 0.0719
0.1435 0.5636 0.0538
[torch.FloatTensor of size 2x3]
torch.randn
torch.randn(*sizes, out=None) → Tensor
返回⼀个张量，包含了从标准正态分布(均值为0，⽅差为 1，即⾼斯⽩噪声)中抽取⼀组随机数，形状由可变参数sizes定义。参数:
sizes () – 整数序列，定义了输出形状
out (Tensor, optinal) - 结果张量
例⼦：:
>>> torch.randn(4)
-0.1145
0.0094
-1.1717
0.9846
[torch.FloatTensor of size 4]
>>> torch.randn(2, 3)
1.4339 0.3351 -1.0999
1.5458 -0.9643 -0.3558

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。