网站建设会员管理系统方案网站建设的重要性意义与价值

1.Tensor张量

• 标量：一个个数字
• 向量：一列 / 一列数字
• 矩阵：二维表格
• 张量：描述任意维度的数据，如 HxWxC 的三维数据，或者 HxWxCxD 的思维数据

---

2.Tensor与机器学习

Tensor的相关操作

• 1. 类型

如 torch.float32，torch.int8，理解上同编程语言的基本数据类型，只是表示方法不同。

• 2. 创建
• 3. 属性
• 4. 运算
• 5. 操作
• 6. numpy的互相转换

---

3.Tensor的创建实战

import torch# 1. 指定数据创建a = torch.tensor([[1, 2], [3, 4]])
print(a)
print(a.type())# 2. 指定shape创建（数据默认）
b = torch.tensor(3, 2)
print(b)
print(b.type())  # FloatTensor 浮点型张量# 3.定义特殊的Tensor
c = torch.zeros(2, 3) # （1）数据全 0 的Tensor
print(c)
d = torch.ones(2,3) # （2）数据全 1 的Tensor
print(d)
e = torch.eye(3,3) # （3）数据对角线全 1 的Tensor
print(e)
f = torch.zeros_like(e) # （4）和其他Tensor形状相同的全0Tensor
print(f)
g = torch.ones_like(e) # （5）和其他Tensor形状相同的全1Tensor
print(g)# 4.随机值的Tensor
a = torch.rand(2, 2) # rand:生成 0~1 之间的随机值
print(a)

正态分布图象：

4.Tensor的属性

每一个Tensor对象都具有三种属性

• torch.dtype 数据类型
• torch.device Tensor对象所存储在的设备（CPU / GPU）
• torch.layout Tensor对象在内存的布局（稠密 / 稀疏）

---

• 稀疏：指的是非0元素比较少，同稀疏矩阵的稀疏 sparse
• 稠密：默认情况下的数据存放形式，dense