当前位置：首页 > article >正文

小白零基础学习深度学习之张量

article 2025/2/11 15:12:49

1.张量
PyTorch 中的张量（Tensor）就是一种用来存储数据的“盒子”，这个盒子可以有不同的形状和大小，里面可以装各种数字。张量是 PyTorch 中最基本的东西，就像乐高积木一样，你可以用它来搭建各种复杂的模型。
2. 张量的用途
存储数据：你可以把张量当作一个容器，用来存储各种数据。比如，一张图片可以用一个三维张量来表示，其中第一维是颜色通道（红、绿、蓝），第二维和第三维是图片的宽度和高度。
进行计算：张量可以用来做各种数学运算。比如，你可以把两个张量相加、相乘，或者对张量进行更复杂的操作，比如矩阵乘法。这些操作在 PyTorch 中都非常方便，而且可以自动利用 GPU 加速计算。

import torch
x = torch.tensor([1, 2, 3, 4])
y = x + 1  # 结果是 [2, 3, 4, 5]

3.张量操作
3.1 tensor.reshape(shape)
shape 是一个元组，表示你想要的新形状

input:import torch
x = torch.tensor([1, 2, 3, 4, 5, 6])
output: tensor([[1, 2, 3],
        [4, 5, 6]])

3.2torch.unsqueeze()
在张量的指定位置插入一个新的维度，增加张量的维度

torch.unsqueeze(input, dim)

input：需要操作的张量。
dim：要插入新维度的位置。

import torch
x = torch.tensor([1, 2, 3, 4])
print(x.shape)  # 输出：torch.Size([4])

在第 0 维插入新维度
如果你想在第 0 维插入一个新维度，让张量变成二维张量，可以这样写:

y = torch.unsqueeze(x, 0)
print(y.shape)  # 输出：torch.Size([1, 4]) tensor([[1, 2, 3, 4]])
print(y)

3.3 获取张量中的元素

input：A = torch.arange(12).reshape(1,3,4)
output：:tensor([[[ 0, 1, 2, 3],
 [ 4, 5, 6, 7],
 [ 8, 9, 10, 11]]])
 input：element_0 = A[0]
print(element_0)
output：tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]])
        #A[0] 表示获取第 0 维度下的第 0 个元素，也就是整个二维张量