网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化资料的朋友,可以戳这里获取
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
创建数据
torch.empty()
创建一个空张量矩阵.
格式:
torch.empty(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False, pin_memory=False, memory_format=torch.contiguous_format) → Tensor
参数:
- size: 生成矩阵的形状, 必选
- dtype: 数据类型, 默认为 None
例子:
# 创建一个形状为[2, 2]的矩阵 a = torch.empty(2, 2) print(a) # 创建一个形状为[3, 3]的矩阵 b = torch.empty(3, 3) print(b)
输出结果:
tensor([[0., 0.], [0., 0.]]) tensor([[0., 0., 0.], [0., 0., 0.], [0., 0., 0.]])
torch.zeros()
创建一个全零矩阵.
格式:
torch.zeros(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor
参数:
- size: 生成矩阵的形状, 必选
- dtype: 数据类型, 默认为 None
例子:
# 创建一个形状为[2, 2]的全零数组 a = torch.zeros([2, 2], dtype=torch.float32) print(a) # 创建一个形状为[3, 3]的全零数组 b = torch.zeros([3, 3], dtype=torch.float32) print(b)
输出结果:
tensor([[0., 0.], [0., 0.]]) tensor([[0., 0., 0.], [0., 0., 0.], [0., 0., 0.]])
torch.ones()
创建一个全一矩阵.
格式:
torch.ones(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor
参数:
- size: 生成矩阵的形状, 必选
- dtype: 数据类型, 默认为 None
例子:
# 创建一个形状为[2, 2]的全一数组 a = torch.ones([2, 2], dtype=torch.float32) print(a) # 创建一个形状为[3, 3]的全一数组 b = torch.ones([3, 3], dtype=torch.float32) print(b)
输出结果:
tensor([[1., 1.], [1., 1.]]) tensor([[1., 1., 1.], [1., 1., 1.], [1., 1., 1.]])
torch.tensor()
通过数据创建张量.
格式:
torch.tensor(data, *, dtype=None, device=None, requires_grad=False, pin_memory=False) → Tensor
参数:
- data: 数据 (数组, 元组, ndarray, scalar)
- dtype: 数据类型, 默认为 None
例子:
# 通过数据创建张量 array = np.arange(1, 10).reshape(3, 3) print(array) print(type(array)) tensor = torch.tensor(array) print(tensor) print(type(tensor))
输出结果:
[[1 2 3] [4 5 6] [7 8 9]]
tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=torch.int32) torch.rand()
创建一个 0~1 随机数的张量矩阵.
格式:
torch.rand(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor
参数:
- size: 生成矩阵的形状, 必选
- dtype: 数据类型, 默认为 None
例子:
# 创建形状为[2, 2]的随机数矩阵 rand = torch.rand(2, 2) print(rand)
输出结果:
tensor([[0.6209, 0.3424], [0.3506, 0.7986]])
数学运算
torch.add()
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
需要这份系统化资料的朋友,可以戳这里获取
…(img-e5ozUF77-1715594759202)]
[外链图片转存中…(img-jeCyXW4w-1715594759202)]
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
需要这份系统化资料的朋友,可以戳这里获取