Pytorch笔记——1.Pytorch基本数据类型

蔚落 2022-11-22 05:10 731阅读 0赞

## ***一、Pytorch基本数据类型*** ##

在创建tensor时，需要使用torch.Tensor、torch.DoubleTensor等事先指定数据类型。tensor是包含单一数据类型元素的多维矩阵，不能既有a类型，又有b类型的数据。

1.torch.FloatTensor ：32位浮点型(默认类型：torch.Tensor)

在不指定数据类型时，默认位32位浮点型数据。

import torch
    
    # Tensor相当于FloatTensor
    a = torch.Tensor([[1, 2], [3, 4], [5, 6]])
    print(a)
    print(a.type())

![20201103152126220.png][]

形成一个3行2列的二维矩阵，每个元素的数据类型均为torch.FloatTensor。

2.torch.DoubleTensor：64位浮点型

import torch
    
    # 指定数据类型为64位浮点型
    a = torch.DoubleTensor([[1, 2], [3, 4], [5, 6]])
    print(a)
    print(a.type())

![20201103153716602.png][]

3.更多的数据类型

(1)torch.ShortTensor ：16位整型

(2)torch.IntTensor：32位整型

(3)torch.LongTensor：64位整型

## *二、创建tensor的方式* ##

1.创建一个3行2列的二维矩阵

(1)直接指定矩阵内元素

import torch
    
    # 指定数据类型为32位浮点型
    a = torch.Tensor([[1, 2], [3, 4], [5, 6]])
    print(a)
    print(a.type())

![20201103154118751.png][]

(2)随机生成矩阵内元素

import torch
    
    # 指定数据类型为64位浮点型
    a = torch.rand((3,2))
    print(a)
    print(a.type())

![20201103154526103.png][]

(3)利用numpy生成矩阵内元素

import torch
    import numpy as np
    
    # 指定数据类型为64位浮点型
    a = torch.tensor(np.random.normal(0, 0.01, size=(3,2)),dtype=torch.float64)
    print(a)
    print(a.type())

![20201103160547797.png][]

(4)从numpy转换为tensor

import torch
    import numpy as np
    
    # 定义一个3行2列的矩阵
    a = np.array([[1, 2], [3, 4], [5, 6]])
    print(a)
    print(type(a))
    # 使用from_numpy()函数将ndarray格式转化为tensor格式
    b = torch.from_numpy(a)
    print(b)
    print(b.type())

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjgzMDY5Nw_size_16_color_FFFFFF_t_70][]

2.创建1个标量

import torch
    
    # 定义一个标量
    a = torch.tensor(3.2, dtype=torch.float)
    print(a)
    print(a.dim())

![20201103165953648.png][]

3.创建一个1维矩阵

import torch
    
    # 定义一个1维向量
    a = torch.tensor([3.2, 3.5], dtype=torch.float)
    print(a)
    print(a.dim())

![20201103171027744.png][]

4.创建一个2维矩阵

import torch
    
    # 定义一个2维向量
    a = torch.tensor([[3.2, 3.5],[1.2, 2.3],[1.5, 3.3]], dtype=torch.float)
    print(a)
    print(a.dim())

![20201103172846370.png][]

5.创建一个3维矩阵【2个3x4的矩阵】

import torch
    import numpy as np
    
    # 定义一个3维向量
    a = torch.tensor(np.random.rand(24).reshape(2,3,4), dtype=torch.float)
    print(a)
    print(a.dim())

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjgzMDY5Nw_size_16_color_FFFFFF_t_70 1][]

[20201103152126220.png]: /images/20221120/eb4aa30ed2304cb6ac1d9aececc85453.png
[20201103153716602.png]: /images/20221120/9c2be65bbc744b9aab1b392754de904f.png
[20201103154118751.png]: /images/20221120/1abf8f2061c94912893000c94ebbd5f7.png
[20201103154526103.png]: /images/20221120/8e9348fefbd44d72b9f9572cd348c5f5.png
[20201103160547797.png]: /images/20221120/058c4e2e07e547098b564166302afc49.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjgzMDY5Nw_size_16_color_FFFFFF_t_70]: /images/20221120/4e8bda8db2384a369b3fae223b709284.png
[20201103165953648.png]: /images/20221120/cbd35cbc85d54111a18c635b8243fbec.png
[20201103171027744.png]: /images/20221120/389788c4bf1a48d3bd54ff466075dc8d.png
[20201103172846370.png]: /images/20221120/8d246fcb19384f0aa15f77b08d117b41.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjgzMDY5Nw_size_16_color_FFFFFF_t_70 1]: /images/20221120/e73f683f00094b6cb43521b81c2b16c2.png