pytorch基本运算-PyTorch.Tensor张量数据类型

【1】引言

前序学习进程中，我们已经了解了一些PyTorch的基本运算，比如控制流梯度、分离计算、梯度运算等。
实际上这个入门显得比较急躁，因此今天暂时回过头来学一下关于Tensor的基本定义。
件提案的学习参考书籍是：廖星宇著《深度学习入门之PyTorch》

【2】张量类型测试

前序我们已经知道，Tensor模块定义了张量，但具体的，Tensor实际上有不同类型。
Torch.Float

模块	精度	类型
Torch.FloatTensor	32	浮点型
Torch.DoubleTensor	64	浮点型
Torch.ShortTensor	16	整型
Torch.IntTensor	32	整型
Torch.LongTensor	64	整型

我们平常定义torch.Tensor()时，如果输入的是整数，默认是64位整型LongTensor张量；如果输入的是浮点数，默认是32位浮点型torch.FloatTensor()张量。
如何在PyTorch中输出张量的具体类型，需要使用Tensor.type()函数。
请看测试代码

a0=torch.tensor([[2,3],[5,6],[7,9]])
print('a0=',a0,'Tensor Type=',a0.type())
a=torch.tensor([[2.0,3],[5,6],[7,9]])
print('a=',a,'Tensor Type=',a.type())

输出效果为：

然后是整型张量的测试代码：

b=torch.IntTensor([[2.1,3],[5,6],[7,9]])
print('b=',b,'Tensor Type=',b.type())
c=torch.ShortTensor([[2.2,3],[5,6],[7,9]])
print('c=',c,'Tensor Type=',c.type())
d=torch.LongTensor([[2.3,3],[5,6],[7,9]])
print('d=',d,'Tensor Type=',d.type())

输出效果为：

这里有一个细节，16位和32位整型数据会在输出张量的时候自动标注，也就是如果输出的整型张量没有任何标注，那这个张量就是64位整型张量。
然后是浮点型张量测试代码：

e=torch.FloatTensor([[2.4,3],[5,6],[7,9]])
print('e=',e,'Tensor Type=',e.type())
f=torch.DoubleTensor([[2.5,3],[5,6],[7,9]])
print('f=',f,'Tensor Type=',f.type())

输出效果为：

这里64位整浮点型数据在输出张量的时候自动标注，如果输出的浮点型张量没有任何标注，那这个张量就是32位浮点型张量。
至此的完整代码为：

# 引入模块
import torch# 不同类型张量测试
a0=torch.tensor([[2,3],[5,6],[7,9]])
print('a0=',a0,'Tensor Type=',a0.type())
a=torch.tensor([[2.0,3],[5,6],[7,9]])
print('a=',a,'Tensor Type=',a.type())
b=torch.IntTensor([[2.1,3],[5,6],[7,9]])
print('b=',b,'Tensor Type=',b.type())
c=torch.ShortTensor([[2.2,3],[5,6],[7,9]])
print('c=',c,'Tensor Type=',c.type())
d=torch.LongTensor([[2.3,3],[5,6],[7,9]])
print('d=',d,'Tensor Type=',d.type())
e=torch.FloatTensor([[2.4,3],[5,6],[7,9]])
print('e=',e,'Tensor Type=',e.type())
f=torch.DoubleTensor([[2.5,3],[5,6],[7,9]])
print('f=',f,'Tensor Type=',f.type())

【3】总结

学习了不同的PyTorch.Tensor张量数据类型。