概述

基本用法

创建矩阵

• 创建一个空矩阵

torch.empty(5,3)

输出：

tensor([[1.3075e-16, 7.6791e-43, 1.3075e-16],
        [7.6791e-43, 1.3074e-16, 7.6791e-43],
        [1.3074e-16, 7.6791e-43, 1.3076e-16],
        [7.6791e-43, 1.3076e-16, 7.6791e-43],
        [1.3071e-16, 7.6791e-43, 1.3071e-16]])

• 创建一个随机矩阵

x = torch.rand(5,3)
x

输出：

tensor([[0.8672, 0.3056, 0.1783],
        [0.3730, 0.5800, 0.2491],
        [0.6651, 0.8869, 0.0605],
        [0.6125, 0.9757, 0.8002],
        [0.1267, 0.3642, 0.7563]])

• 构建一个全零矩阵

x = torch.zeros(5,3,dtype=torch.long)
x

输出：

tensor([[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]])

• 直接传入数据

x = torch.tensor([5.5, 3])
x

输出：

tensor([5.5000, 3.0000])

• 展示矩阵大小

x = x.new_ones(5,3,dtype=torch.double)
x.size()

输出：

torch.Size([5, 3])

矩阵加法

1. 变量相加

y = torch.rand(5,3)
x + y

输出：

tensor([[1.7848, 1.2468, 1.8519],
        [1.5889, 1.2613, 1.6896],
        [1.3827, 1.1131, 1.6519],
        [1.1678, 1.7921, 1.1941],
        [1.6125, 1.6250, 1.7618]], dtype=torch.float64)

2. 使用torch方法

torch.add(x,y)

输出：

tensor([[1.7848, 1.2468, 1.8519],
        [1.5889, 1.2613, 1.6896],
        [1.3827, 1.1131, 1.6519],
        [1.1678, 1.7921, 1.1941],
        [1.6125, 1.6250, 1.7618]], dtype=torch.float64)

可以看到使用torch.add方法与变量直接相加是一致的。

索引

与Numpy协同操作

torch可以非常方便与numpy的数据类型进行转换。

参考

计算机视觉-人工智能视频精选（从入门到精通）