pytorch使用、和管理数据类型属性

本文转载自：/news/

pytorch从0.4开始提出了Tensor Attributes，主要包含了,,。pytorch可以使用他们管理数据类型属性。以下内容为pytorch0.4文档内容，具体可以查看Tensor Attributes

Tensor Attributes

每个都有, ,和。

是表示的数据类型的对象。PyTorch有八种不同的数据类型：

Data type	dtype	Tensor types
32-bit floating point	torch.float32 or	torch.*.FloatTensor
64-bit floating point	torch.float64 or	torch.*.DoubleTensor
16-bit floating point	torch.float16 or	torch.*.HalfTensor
8-bit integer (unsigned)	torch.uint8	torch.*.ByteTensor
8-bit integer (signed)	torch.int8	torch.*.CharTensor
16-bit integer (signed)	torch.int16 or	torch.*.ShortTensor
32-bit integer (signed)	torch.int32 or	torch.*.IntTensor
64-bit integer (signed)	torch.int64 or	torch.*.LongTensor

使用方法：

>>> x = ([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
>>> print ()

代表将分配到的设备的对象。

包含一个设备类型（'cpu'或'cuda'设备类型）和可选的设备的序号。如果设备序号不存在，则为当前设备; 例如，用设备构建'cuda'的结果等同于'cuda:X',其中X是.current_device()的结果。

的设备可以通过访问属性。

构造可以通过字符串/字符串和设备编号。

通过一个字符串：

>>> ('cuda:0')
device(type='cuda', index=0)

>>> ('cpu')
device(type='cpu')

>>> ('cuda')  # current cuda device
device(type='cuda')

通过字符串和设备序号：

>>> ('cuda', 0)
device(type='cuda', index=0)

>>> ('cpu', 0)
device(type='cpu', index=0)

注意 函数中的参数通常可以用一个字符串替代。这允许使用代码快速构建原型。

>> # Example of a function that takes in a 
>> cuda1 = ('cuda:1')
>> ((2,3), device=cuda1)

>> # You can substitute the  with a string
>> ((2,3), 'cuda:1')

注意 出于传统原因，可以通过单个设备序号构建设备，将其视为cuda设备。这匹配Tensor.get_device()，它为cuda张量返回一个序数，并且不支持cpu张量。

>> (1)
device(type='cuda', index=1)

注意 指定设备的方法可以使用（properly formatted）字符串或（legacy）整数型设备序数，即以下示例均等效：

>> ((2,3), device=('cuda:1'))
>> ((2,3), device='cuda:1')
>> ((2,3), device=1)  # legacy

表示内存布局的对象。目前，我们支持(dense Tensors)并为torch.sparse_coo(sparse COO Tensors)提供实验支持。

代表密集张量，是最常用的内存布局。每个strided张量都会关联 一个，它保存着它的数据。这些张力提供了多维度， 存储的strided视图。Strides是一个整数型列表：k-th stride表示在张量的第k维从一个元素跳转到下一个元素所需的内存。这个概念使得可以有效地执行多张量。

例：

>>> x = ([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
>>> ()
(5, 1)

>>> ().stride()
(1, 5)

关于torch.sparse_coo张量的更多信息,请参阅。

原创文章，转载请注明 ：pytorch使用、和管理数据类型属性 - pytorch中文网
原文出处： /news/