在线亚洲成人,国产精品99久久久久久天美传媒,亚洲精品久久久久国产

服務近2000家企業，依托一系列實踐中打磨過的技術和產品，根據企業的具體業務問題和需求，針對性的提供各行業大數據解決方案。

一.定義張量tensor

張量,一種數據類型，可以是一到多維矩陣，在機器學習中作為主要輸入輸出數據類型使用

1.自定義數值的張量torch.tensor([[2.1,12.2,2.121],[2.1,12.2,2.121]],dtype=float)

2.張量ndim，shape ，size屬性，ndim表示張量的維度，shape=size表示張量的形狀

3.定義全1張量test2 = torch.ones(8,8)

4.定義全零張量test3 = torch.zeros(2,9)

5.定義隨機張量test4 = torch.rand(1,20)

6.定義隨機整型張量test5 = torch.randint(0,10,(2,3))

7.定義正態分布張量test6 = torch.randn(1,9)

二.張量的基本運算

1.改變張量（矩陣）的維度，修改前后矩陣元素總數不變test6 = test6.view(3,3)

2.獲取tensor第n個元素

test6[1][1]：獲取二維矩陣第1行第一列元素，

test6[1] 若是一維矩陣則使用獲取第一個元素,

test[1:10]獲取從索引1到10的所有元素

test[:10]獲取10以前的所有數據

test[10:]獲取索引10以后的所有數據

tensor_b[[1,2],[1,1]] 根據索引獲取數據

3.test6[1].item()獲取指定索引元素的值

4.pytorch張量和numpy數組之前的轉化

numarr = numpy.array(test6) tensor轉化為numpy 數組

tensor = torch.tensor(nparr) numpy數組轉化為tensor張量

5.基本運算

加法運算： tensor_c = tensor_a+tensor_b ，將矩陣對應元素分別相加，

加法運算的另外兩種不常用寫法

res = torch.zeros(3,3,dtype=int)

torch.add(tensor_a,tensor_b,out=res) 計算結果存儲在res變量中

tensor_c = torch.add(tensor_a,tensor_b)

減法運算： tensor_c = tensor_a+tensor_b ，將矩陣對應元素分別相減

除法運算：tensor_c = tensor_a/tensor_b,將矩陣對應元素分別相除

取余運算：tensor_c = tensor_a%tensor_b,對應元素相除取余數

乘法運算：tensor_c = tensor_a*tensor_b，非矩陣乘法，對應元素相乘

矩陣相乘：使用matmul函數tensor_c = torch.matmul(tensor_a,tensor_b)

對矩陣求和：tensor = torch.sum(tensor_c) 所有元素相加

求最大值最小值等：tensor = torch.max/min(tensor_c)

求最大值最小值所在的索引 index= torch.argmax(tensor_c) arg+max/min

求均值：tensor = torch.mean(tensor_b) tensor_b必須為float類型

獲得矩陣中位數：tensor = torch.median(tensor_b)

開方：tensor = torch.sqrt(tensor_b)

冪運算：tensor = torch**3

三.自動求導

x = torch.tensor([6,3],dtype=float,requires_grad=True)

y=x**3+1

y.backward(torch.ones_like(x)) //若輸出是標量則y.backward(）

x.grad

注：y=x³+1 求導：根據求導公式得出yd= x³`+1` =>yd = 3x²