--------教程摘自b站【不愧是计算机博士唐宇迪128集课程一套搞定了我大学4年没学会的PyTorch】PyTorch从入门到实战全套课程（附带课程学习资料 )_哔哩哔哩_bilibili

一、Pytorch的基本操作

 import torch  #导入torch

x = torch.empty(5, 3) #创建一个5行3列全为零的矩阵

x = torch.rand(5, 3)#创建一个5行3列值随机的矩阵输出值都是tensor格式（张量）  其可以是一维的即为向量   二维的即为矩阵 多维等等 。

x = torch.zeros(5, 3, dtype=torch.long)   初始化一个5*3的全为零的矩阵  数据类型为torch.long

dtype：指定返回tensor中数据的类型，如果为None，使用默认值（一般为torch.float32可以使用 torch.set_default_tensor_type()更改。）

索引

x[:, 1]   #索引  取所有行的第二列元素

View

x = torch.randn(4, 4)   #4*4的矩阵
y = x.view(16)    #view将4*4拉长一行 16*1
z = x.view(-1, 8)   #将4*4拉长 2*8   -1是有了8之后自动算出的2
print(x.size(), y.size(), z.size())

torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])

与nump的协同操作

1.将tensor转换为numpy所支持的一个array格式

a = torch.ones(5)   #数据为tensor格式
b = a.numpy()    #将tensor转换为numpy所支持的一个array格式
b

array([1., 1., 1., 1., 1.], dtype=float32

2.将numpy所支持的一个array格式转换为tensor

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
b

tensor([1., 1., 1., 1., 1.], dtype=torch.float64)