张量是 PyTorch 中最基础的概念，理解张量对于学习深度学习非常重要。以下是 PyTorch 张量的一些基础知识和使用方法。
张量的基本概念
张量可以理解为多维数组，是 PyTorch 中所有数据的基本表示形式。它们可以是 0 维、1 维、2 维、3 维甚至更高维。
张量的维度
- 0 维张量：也称为标量，只有一个值。
- 1 维张量：一维数组，例如
[1, 2, 3]。 - 2 维张量：二维数组，例如
[[1, 2], [3, 4]]。 - 3 维张量：三维数组，例如
[[[1, 2], [3, 4]], [[5, 6], [7, 8]]]。
创建张量
在 PyTorch 中，我们可以使用多种方法创建张量。
使用 torch.tensor() 创建
import torch
# 创建一个 2x3 的张量
tensor = torch.tensor([[1, 2], [3, 4]])
张量的操作
张量支持多种数学运算，如加法、减法、乘法、除法等。
加法
tensor1 = torch.tensor([[1, 2], [3, 4]])
tensor2 = torch.tensor([[5, 6], [7, 8]])
result = tensor1 + tensor2
乘法
result = tensor1 * tensor2
本站推荐
想要了解更多 PyTorch 的知识，可以阅读PyTorch 官方文档。
PyTorch Logo