1 導入pytorch包
import torch
2 創建張量（tensor）
scalar標量
scalar = torch.tensor(7)
scalar
tensor(7)
scalar.ndim
查看scalar的維度，因為scalar是標量，所以維度為0
0
scalar.shape
torch.Size([])
torch.item()
7
vector（向量）
vector = torch.tensor([7,7])
vector
tensor([7, 7])
vetor.ndim
1
vector.shape
torch.Size([2])
MATRIX 矩陣
MATRIX = torch.tensor([[1,2],[3,4]])
MATRIX
tensor([[1, 2],[3, 4]])
同樣，用ndim看維度，shape看形狀，這里想重點講一下我對tensor形狀的理解
先搞一個tensor出來好吧
Tensor
TENSOR = torch.tensor([[[[1, 2, 3],[4, 5, 6],[7, 8, 9]]]])
TENSOR
tensor([[[[1, 2, 3],[4, 5, 6],[7, 8, 9]]]])
TENSOR.ndim
4
TENSOR.shape
torch.Size([1, 1, 3, 3])
這是我的理解，也不知道對不對，可以多搞兩個例子試一試
這里主要講創建tensor（張量），因為pytorch里面的基本數據就是張量，現實生活中的音頻、圖片、視頻都可以變成張量，因此我們需要搞清楚張量喲~輸入到網絡中的數據都是張量
3 創建隨機張量
random_tensor = torch.rand(size=(3,4)
random_tensor
tensor([[0.4875, 0.9833, 0.7744, 0.4002],[0.2102, 0.4866, 0.9648, 0.3243],[0.1394, 0.5789, 0.5765, 0.3988]])
4 創建全為0的張量
zeros = torch.zeros(size=(3,3))
zeros
tensor([[0., 0., 0.],[0., 0., 0.],[0., 0., 0.]])
5 創建全為1的張量
ones = torch.tensor(size=(3,3))
ones
tensor([[1., 1., 1.],[1., 1., 1.],[1., 1., 1.]])
ones.dtype
torch里面的數據類型，一般就是float32
torch.float32
6 創建range和tensor like
one_to_ten = torch.arange(1,11)
one_to_ten
torch.float32
one_to_tens = torch.arange(start=10, end=22, step=2)
one_to_tens
tensor([10, 12, 14, 16, 18, 20])
tensor like意思是創建一個類似于某一個tensor的tensor，舉個例子，我們創建一個全為0的，和one_to_tens規模一致的張量，維度，形狀一致
m = torch.zeros_like(input=one_to_tens)
m
tensor([0, 0, 0, 0, 0, 0])
同理，也有全為1的。如下所示：
r1 = torch.rand(size=(10,3))
r1
p = torch.ones_like(input=r1)
p
tensor([[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.]])
好好好，今天就短暫的學習這些吧，如果我的學習對你有幫助的話，記得給俺點個贊贊！
贊贊！！!
謝謝你，今天晚上吃的麻辣燙味道還可以，湯的味道還可以，不過食材嘛（你懂的），不過有一個優點就可以啦，知足常樂咯咯咯~
over over over!
