Tensor基本操作

Tensor（張量）

1、Tensor，又名張量，從工程角度來說，可簡單地認為它就是一個數組，且支持高效的科學計算。它可以是一個數（標量）、一維數組（向量）、二維數組（矩陣）或更高維的數組（高階數組），torch里的Tensor支持GPU加速。

基本操作

1、從接口的角度講，對tensor的操作可分為兩類：
    （1）torch.function,如torch.save等
    （2）tensor.function，如tensor.view等
2、從存儲的角度講，對tensor的操作又可分為兩類：
    （1）不會修改自身的數據，如a.add(b),加法的結果會返回一個新的tensor
    （2）會修改自身的數據，如a.add_(b),加法的結果仍存儲在a中，a被修改了
函數名以_結尾的都是inplace方式，即會修改調用者自己的數據，在實際應用中需要加以區分。

#_Author_:Monkey
#!/usr/bin/env python
#-*- coding:utf-8 -*-
import torch as t
# from __future__ import print_function

a = t.Tensor(2,3)       #指定Tensor的形狀，a的數值取決於內存空間的狀態
print(a)
'''''tensor([[2.1469e+33, 5.9555e-43, 2.1479e+33],
        [5.9555e-43, 6.3273e+30, 5.9555e-43]])'''
b = t.Tensor([ [1,2,3],[4,5,6] ])       #用list的數據創建Tensor
print(b)
'''''tensor([[1., 2., 3.],
        [4., 5., 6.]])'''
c = b.tolist()      #Tensor轉list
print(c)
'''''[[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]]'''
#torch.size()返回torch.Size的子類，但其使用方式與tuple稍有區別
b_size = b.size()
print(b_size)
'''''torch.Size([2, 3])'''
d = b.numel()
print(d)
'''''6'''
#創建一個和b形狀一樣的tensor
e = t.Tensor(b_size)
f = t.Tensor((2,3))
print(e)
print(f)
'''''tensor([[2.6492e+21, 4.5908e-41, 0.0000e+00],
        [0.0000e+00, 1.4013e-45, 2.9775e-41]])
tensor([2., 3.])'''
print(e.shape)
'''''torch.Size([2, 3])'''
print(t.ones(2,3))
'''''tensor([[1., 1., 1.],
        [1., 1., 1.]])'''
print(t.zeros(2,3))
'''''tensor([[0., 0., 0.],
        [0., 0., 0.]])'''
print(t.arange(1,6,2))
'''''tensor([1, 3, 5])'''
print(t.linspace(1,10,3))
'''''tensor([ 1.0000,  5.5000, 10.0000])'''
print(t.randn(2,3))
'''''tensor([[-0.3437, -0.3981, -0.3250],
        [ 2.6717, -0.7511, -0.5858]])'''
print(t.randperm(5))        #長度為5的隨機排序
'''''tensor([4, 0, 3, 2, 1])'''
print(t.eye(2,3))           #對角線為1，不要求行列數一致
'''''tensor([[1., 0., 0.],
        [0., 1., 0.]])'''