人工智能学习Pytorch张量数据类型示例详解

时间:2021-07-12 02:55:24

1.python 和 pytorch的数据类型区别

人工智能学习Pytorch张量数据类型示例详解

在PyTorch中无法展示字符串,因此表达字符串,需要将其转换成编码的类型,比如one_hot,word2vec等。

 

2.张量

在python中,会有标量,向量,矩阵等的区分。但在PyTorch中,这些统称为张量tensor,只是维度不同而已。

标量就是0维张量,只有一个数字,没有维度。

向量就是1维张量,是有顺序的数字,但没有“行”或“列”的区分。

矩阵就是2维张量,有形状,行和列。

以此类推,PyTorch中也常用3维张量和4维张量。

具体的张量生成和相关特性获取方式如下:

①一维张量

人工智能学习Pytorch张量数据类型示例详解

在PyTorch中,没有中括号,只有一个数字,就是1维张量,也就是python中的标量。

可以通过不同的方法查看数据的维度:

对于0维张量,查看形状的时候就是0。

人工智能学习Pytorch张量数据类型示例详解

②二维张量

通过Pytorch可以直接指定一个具体的张量数据,也可以通过指定张量的形状,来随机生成指定形状的数据。

如果通过numpy生成了数据,可以通过torch.from_numpy来转换成张量。

人工智能学习Pytorch张量数据类型示例详解

③3维张量

通常,在RNN中会使用3维张量。

人工智能学习Pytorch张量数据类型示例详解

人工智能学习Pytorch张量数据类型示例详解

④4维张量

通常,在CNN中会使用3维张量。比如下图生成的四维张量,可以理解为是2张图,3层颜色,长宽均为28

人工智能学习Pytorch张量数据类型示例详解

以上,通过不同的方法可以生成想要的维度的张量,并查看相关属性。

以上就是人工智能学习Pytorch张量数据类型示例详解的详细内容,更多关于Pytorch张量数据类型的资料请关注服务器之家其它相关文章!

原文链接:https://blog.csdn.net/Swayzzu/article/details/121067519