张量是 PyTorch 中核心的数据结构，类似于 NumPy 的数组。它支持多维数据，是进行深度学习的基础。

张量基础

张量具有以下特点：

  • 多维数组：张量可以表示多维数据，例如一维数组、二维矩阵等。
  • 动态尺寸：张量的尺寸可以在运行时改变。
  • 支持自动微分：PyTorch 的张量支持自动微分，方便进行梯度计算。

创建张量

你可以使用以下方式创建张量：

import torch

# 创建一个一维张量
tensor_1d = torch.tensor([1, 2, 3])

# 创建一个二维张量
tensor_2d = torch.tensor([[1, 2], [3, 4]])

张量操作

张量支持丰富的操作，例如：

  • 加法
tensor_add = tensor_1d + tensor_2d
  • 矩阵乘法
tensor_dot = torch.dot(tensor_1d, tensor_2d)
  • 切片
tensor_slice = tensor_2d[0, 1]

图像张量

在处理图像时，图像数据通常以三维张量的形式存在，其中最后一个维度表示颜色通道。

# 加载图像
image = Image.open("path_to_image.jpg")

# 转换为张量
image_tensor = torch.tensor(np.array(image))

Image Example

扩展阅读

更多关于 PyTorch 张量的内容，请访问 PyTorch 官方文档.

抱歉，您的请求不符合要求。