pytorch定义torch类型数据_PyTorch中Tensor的数据类型和运
算
在使⽤Tensor时，我们⾸先要掌握如何使⽤Tensor来定义不同数据类型的变量。Tensor时张量的英⽂，表⽰多维矩阵，和numpy对
应，PyTorch中的Tensor可以和numpy的ndarray相互转换，唯⼀不同的是PyTorch可以在GPU上运⾏，⽽numpy的ndarray只能在cpu 上运⾏。
常⽤的不同数据类型的Tensor，有32位的浮点型torch.FloatTensor,  64位浮点型 torch.DoubleTensor,  16位整形
torch.ShortTensor,    32位整形torch.IntTensor和64位整形torch.LongTensor
⼀：Tensor的数据类型
1  torch.FloatTensor:⽤于⽣成数据类型为浮点型的Tensor，传递给torch.FloatTensor的参数可以是⼀个列表，也可以是⼀个维度值
2：torch.IntTensor：⽤于⽣成数据类型为整形的Tensor，传递给torch.IntTensor的参数可以是⼀个列表，也可以是⼀个维度值
3：torch.rand:⽤于⽣成数据类型为浮点型且维度指定的随机Tensor，和在NumPy中使⽤的numpy.rand⽣成随机数的⽅法类似，随机⽣成的浮点数据在0-1区间均匀分布
4：torch.randn:⽤于⽣成数据类型为浮点型且维度指定的随机Tensor，和在NumPy中使⽤numpy.randn⽣成随机数的⽅法类似，随机⽣成的浮点数的取值满⾜均值为0，⽅差为1的正态分布
5：torch.range:⽤于⽣成数据类型为浮点型且⾃定义起始范围和结束范围的Tensor，所以传递给torch.range的参数有三个，分别是范围的起始值，范围的结束值和步长，其中，步长⽤于指定从起始值到结束值得每步得数据间隔
⼆：Tensor的运算
通过对Tensor数据类型的变量进⾏运算，来组合⼀些简单或者复杂的算法，常⽤的Tensor运算如下。
parameter数据类型2.torch.add：将参数传递到torch.add后返回输⼊参数的求和结果作为输出，输⼊参数可以全部是Tensor数据类型的变量，也可以⼀个是Tensor数据类型的变量，另⼀个是标量。
也可以是Tensor数据类型的变量和标量的组合
也可以是Tensor数据类型的变量和标量的组合
就是a的b次⽅

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。