今天会把Pytorch在张量这方面的内容做一个记录。

同时希望可以给大家提供一丢丢帮助！

因为今儿分享的内容，绝对是非常干货的一些示例。

先简单介绍下，在PyTorch中，张量是核心数据结构，它是一个多维数组，类似于NumPy中的数组。张量不仅仅是存储数据的容器，还是进行各种数学运算和深度学习操作的基础。

下面从三方面做一个总结：

• 张量的概念
• 张量的原理
• 张量的操作

图片

张量的概念

1.张量的定义

张量是一种多维数组，它可以是标量（零维数组）、向量（一维数组）、矩阵（二维数组）或具有更高维度的数组。

在PyTorch中，张量是torch.Tensor的实例，可以通过不同的方式创建，如直接从Python列表、NumPy数组或通过特定函数生成。

import torch

# 创建一个标量
scalar_tensor = torch.tensor(3.14)

# 创建一个向量
vector_tensor = torch.tensor([1, 2, 3])

# 创建一个矩阵
matrix_tensor = torch.tensor([[1, 2, 3], [4, 5, 6]])

# 创建一个3D张量
tensor_3d = torch.rand((2, 3, 4))  # 2行3列4深度