pytorch

常用命令

创建张量方式 Ⓜ️（data：根据矩阵数据创建；shape：根据形状创建）

• torch.tensor(data)

• torch.Tensor(shape/data)

• torch.IntTensor()、FloatTensor()、DoubleTensor()

• torch.randn(shape): 创建随机张量（正态）

• torch.ones(shape)、torch.ones_like(data)：全1张量

• torch.zeros(shape)、torch.zeros_like(data)：全0张量

• torch.full(shape, n)、torch.full_like(data, n)：全n张量

创建线性和随机张量(step：步长；length：长度 )

设置随机种子

类型转换

• data.type(torch.DoubleTensor)

• data.double()、data.int()....

基本运算（带下划线的会修改原值）

• add/add_：加法

• sub/sub_：减法

• mul / mul_ / *：乘法（点乘）

• matmul / @ : 矩阵乘法

• div/div_：除法

• neg/neg_：取负数

基本函数

• data.mean(dim)

• data.sum(dim)

• torch.pow(data, n) : 幂函数

• data.sqrt()：平方根

• data.exp(n) ：指数

• data.log() ：对数，底数为e。（ log2(), log10() ）

numpy 与 torch

• 两种类型相互转化：

列表索引

形状操作

1. data.reshape(shape)

2. data.squeeze(dim)：在dim上降维

3. data.unsqueeze(dim)：在dim上升维

4. torch.transpose(data, m, n) ：交换维度m, 维度n

5. torch.permute(data, shape)：把形状变为shape

6. data.view(a1, a2, a3, ...)： 把data转换为shape为[a1, a2, a3, ...] 的张量 但是view转换的张量只能位于连续内存中, 如果一个数据经过transpose或者permute处理后，就无法使用view函数进行操作。

7. data.contiguous() 转换为连续内存的数据，一般配合view使用

张量拼接

• torch.cat([data1, data2], dim) data1 和 data2 在维度dim上拼接。