PyTorch 张量操作教程 🧠

PyTorch 是深度学习领域常用的框架，其核心在于灵活的张量操作。以下是关键知识点与示例：

基础操作 ✅

• 创建张量

  import torch
  x = torch.tensor([1, 2, 3])  # 一维张量
  y = torch.rand(2, 3)         # 随机二维张量
  

  

• 形状操作

  • view() 重塑张量：y.view(3, 2)
  • reshape() 自动调整形状：y.reshape(-1, 2)
  • squeeze() 去除单维度：x.unsqueeze(0)

高级技巧 🔍

• 索引与切片

  z = torch.arange(10).reshape(2, 5)
  print(z[0, 1:3])  # 第一行的第1到第3个元素
  

  

• 广播机制

  • 低维张量与高维张量运算时自动扩展维度
  • 示例：torch.add(x, y)（需确保维度兼容）

实战应用 🧪

1. 数据预处理

   • 使用 torch.tensor() 将数据转换为张量
   • 通过 view() 调整输入形状以适配模型

2. 计算性能优化

   • 启用 torch.no_grad() 禁用梯度计算
   • 使用 torch.cat() 拼接张量加速训练

🔗 想了解更多PyTorch基础概念？点击此处前往入门教程