PyTorch Tensor 张量介绍

张量是PyTorch最基本的操作对象，英文名称为 Tensor，它表示的是一个多维的矩阵。比如零维是一个点，一维就是向量，二维就是一般的矩阵，多维就相当于一个多维的数组，这和numpy是对应的，而且 Pytorch 的 Tensor 可以和 numpy 的ndarray相互转换，唯一不同的是 Pytorch可以在GPU上运行，而numpy的 ndarray 只能在CPU上运行。

1、张量的数据类型

常用的不同数据类型的 Tensor 如下:

32位浮点型：torch.FloatTensor
64位浮点型：torch.DoubleTensor
16位整型：torch.ShortTensor
32位整型：torch.IntTensor
64位整型：torch.LongTensor

2、创建张量Tensor

我们可以通过下面这样的方式来定义一个三行两列给定元素的矩阵，并且显示出矩阵的元素和大小：

import torch

a = torch.Tensor([[2,3], [4,8], [7, 9]])
print('a is: {}'.format(a))
print('a size is {}'.format(a.size()))

需要注意的是torch.Tensor默认的是torch.FloatTensor数据类型

当然，也可以定义我们想要的数据类型，就像下面这样：

import torch

b = torch.LongTensor([[2, 3],[4, 8],[7, 9]])
print('b is: {}'.format(b))
print('b size is {}'.format(b.size()))

另外，也可以创建一个全是 0 的空Tensor或者取一个正太分布作为随机初始值：

import torch

c = torch.zeros((3, 2))
print('zero tensor: {}'.format(c))

d = torch.randn((3,2))
print('noraml randon is : {}'.format(d))

3、张量Tensor与多维数组ndarray相互转换

除此之外，我们还可以在Tensor与numpy.ndarray之间相互转换：

import torch
import numpy as np

b = torch.LongTensor([[2, 3],[4, 8],[7, 9]])
numpy_b = b.numpy()
print('cover to many is \n {}'.format(numpy_b))

e = np.array([[2, 3],[4, 5]])
torch_e = torch.from_numpy(e)
print('from numpy tp torch.Tensor is {}'.format(torch_e))
f_torch_e = torch_e.float()
print('change data type to float tensor: {}'.format(f_torch_e))

4、GPU 加速

如果你的电脑支持GPU加速，还可以将 Tensor 放到GPU上。首先通过torch.cuda.is_available()判断一下是否支持GPU，如果想把tensor a放到GPU上，只需a.cuda()就能将tensor a放到GPU上了。

import torch

a = torch.Tensor([[2,3], [4,8], [7, 9]])

if torch.cuda.is_available():
   a_cuda = a.cuda()
   print(a_cuda)