pytorch定义torch类型数据_PyTorch官⽅中⽂⽂档：
torch.Tensor
torch.Tensor
torch.Tensor是⼀种包含单⼀数据类型元素的多维矩阵。
Torch定义了七种CPU tensor类型和⼋种GPU tensor类型：
Data tyoe
CPU tensor
GPU tensor
32-bit floating point
torch.FloatTensor
torch.cuda.FloatTensor
64-bit floating point
torch.DoubleTensor
torch.cuda.DoubleTensor
16-bit floating point
N/A
torch.cuda.HalfTensor
8-bit integer (unsigned)
torch.ByteTensor
torch.cuda.ByteTensor
8-bit integer (signed)
torch.CharTensor
torch.cuda.CharTensor
16-bit integer (signed)
torch.ShortTensor
torch.cuda.ShortTensor
32-bit integer (signed)
torch.IntTensor
torch.cuda.IntTensor
64-bit integer (signed)
torch.LongTensor
torch.cuda.LongTensor
torch.Tensor是默认的tensor类型(torch.FlaotTensor)的简称。
⼀个张量tensor可以从Python的list或序列构建：
>>> torch.FloatTensor([[1, 2, 3], [4, 5, 6]])
1 2 3
4 5 6
[torch.FloatTensor of size 2x3]
⼀个空张量tensor可以通过规定其⼤⼩来构建：
>>> torch.IntTensor(2, 4).zero_()
0 0 0 0
0 0 0 0
[torch.IntTensor of size 2x4]
可以⽤python的索引和切⽚来获取和修改⼀个张量tensor中的内容：
>>> x = torch.FloatTensor([[1, 2, 3], [4, 5, 6]])
>>> print(x[1][2])
6.0
>>> x[0][1] = 8
>>> print(x)
1 8 3
4 5 6
[torch.FloatTensor of size 2x3]
每⼀个张量tensor都有⼀个相应的torch.Storage⽤来保存其数据。类tensor提供了⼀个存储的多维的、横向视图，并且定义了在数值运算。
！注意：
会改变tensor的函数操作会⽤⼀个下划线后缀来标⽰。⽐如，torch.FloatTensor.abs_()会在原地计算绝对值，并返回改变后的tensor，⽽tensor.FloatTensor.abs()将会在⼀个新的tensor中计算结果。
class torch.Tensor
class torch.Tensor(*sizes)
class torch.Tensor(size)
class torch.Tensor(sequence)
class torch.Tensor(ndarray)
class torch.Tensor(tensor)
class torch.Tensor(storage)
根据可选择的⼤⼩和数据新建⼀个tensor。
如果没有提供参数，将会返回⼀个空的零维张量。如果提供了numpy.ndarray,torch.Tensor或torch.Storage，将会返回⼀个有同样参数的tensor.如果提供了python序列，将会从序列的副本创建⼀
个tensor。
abs() → Tensor
请查看torch.abs()
python官方文档中文版
abs_() → Tensor
abs()的in-place运算形式
acos() → Tensor
请查看torch.acos()
acos_() → Tensor
acos()的in-place运算形式
add(value)
请查看torch.add()
add_(value)
add()的in-place运算形式
addbmm(beta=1, mat, alpha=1, batch1, batch2) → Tensor 请查看torch.addbmm()
addbmm_(beta=1, mat, alpha=1, batch1, batch2) → Tensor addbmm()的in-place运算形式
addcdiv(value=1, tensor1, tensor2) → Tensor
请查看torch.addcdiv()
addcdiv_(value=1, tensor1, tensor2) → Tensor
addcdiv()的in-place运算形式
addcmul(value=1, tensor1, tensor2) → Tensor
请查看torch.addcmul()
addcmul_(value=1, tensor1, tensor2) → Tensor
addcmul()的in-place运算形式
addmm(beta=1, mat, alpha=1, mat1, mat2) → Tensor
请查看torch.addmm()
addmm_(beta=1, mat, alpha=1, mat1, mat2) → Tensor addmm()的in-place运算形式
addmv(beta=1, tensor, alpha=1, mat, vec) → Tensor
请查看torch.addmv()
addmv_(beta=1, tensor, alpha=1, mat, vec) → Tensor addmv()的in-place运算形式
addr(beta=1, alpha=1, vec1, vec2) → Tensor
请查看torch.addr()
addr_(beta=1, alpha=1, vec1, vec2) → Tensor
addr()的in-place运算形式
apply_(callable) → Tensor
将函数callable作⽤于tensor中每⼀个元素，并将每个元素⽤callable函数返回值替代。！注意：
该函数只能在CPU tensor中使⽤，并且不应该⽤在有较⾼性能要求的代码块。
asin() → Tensor
请查看torch.asin()
asin_() → Tensor
asin()的in-place运算形式
atan() → Tensor
请查看torch.atan()
atan2() → Tensor
请查看torch.atan2()
atan2_() → Tensor
atan2()的in-place运算形式
atan_() → Tensor
atan()的in-place运算形式
baddbmm(beta=1, alpha=1, batch1, batch2) → Tensor
请查看torch.baddbmm()
baddbmm_(beta=1, alpha=1, batch1, batch2) → Tensor
baddbmm()的in-place运算形式
bernoulli() → Tensor
请查看torch.bernoulli()
bernoulli_() → Tensor
bernoulli()的in-place运算形式
bmm(batch2) → Tensor
请查看torch.bmm()
byte() → Tensor
将tensor改为byte类型
bmm(median=0, sigma=1, *, generator=None) → Tensor
将tensor中元素⽤柯西分布得到的数值填充：
$$
P(x)={\frac1 \pi} {\frac \sigma {(x-median)^2 + \sigma^2}}
$$
ceil() → Tensor
请查看il()
ceil_() → Tensor
ceil()的in-place运算形式
char()
将tensor元素改为char类型
chunk(n_chunks, dim=0) → Tensor
将tensor分割为tensor元组.
请查看torch.chunk()
clamp(min, max) → Tensor
请查看torch.clamp()
clamp_(min, max) → Tensor
clamp()的in-place运算形式
clone() → Tensor
返回与原tensor有相同⼤⼩和数据类型的tensor
contiguous() → Tensor
返回⼀个内存连续的有相同数据的tensor，如果原tensor内存连续则返回原tensor
copy_(src, async=False) → Tensor
将src中的元素复制到tensor中并返回这个tensor。
两个tensor应该有相同数⽬的元素，可以是不同的数据类型或存储在不同的设备上。
参数：
- src (Tensor)-复制的源tensor
- async (bool)-如果为True并且复制是在CPU和GPU之间进⾏的，则复制后的拷贝可能会与源信息异步，对于其他类型的复制操作则该参数不会发⽣作⽤。
cos() → Tensor
请查看s()
cos_() → Tensor
cos()的in-place运算形式
cosh() → Tensor
请查看sh()
cosh_() → Tensor
cosh()的in-place运算形式
cpu() → Tensor
如果在CPU上没有该tensor，则会返回⼀个CPU的副本

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。