Tensor在PyTorch中可以认为是一个高维数组,可以是一个标量,一维向量,二维矩阵或更高维的数组。Tensor和numpy中的ndarry类似,但是Tensor可以用GPU加速。
x = t.Tensor(5, 3) # 构建5*3的矩阵,只是分配了空间,未初始化
print(x)
x = t.rand(5, 3) #[0,1]均匀分布二维数组
print(x)
x = t.rand(5, 3) #[0,1]均匀分布二维数组
y = t.rand(5, 3)
print(x)
print(y)
print(x + y) # 加法
print(t.add(x, y)) # 加法
Tensor还支持很多操作,包括数学运算,线性代数,选择,切片等等,接口设计与numpy极为相似
# numpy和Tensor之间的转换
a = np.ones(5)
b = t.from_numpy(a)
print(a)
print(b)
Tensor和numpy对象共享内存,所以它们之间的转换很快,这也意味着,如果其中一个变了,另一个也会随之改变。
a = np.ones(5)
b = t.from_numpy(a)
b.add_(1)
print(a)
print(b)
Tensor可通过.cuda方法转换为GPU的Tensor,从而享受GPU带来的加速
if t.cuda.is_available():
x = x.cuda()
y = y.cuda()
x + y
扫描二维码关注公众号,回复:
9417554 查看本文章