1.Tensor
1.1 构造一个5x3矩阵,不初始化
x = torch.empty(5, 3)
print(x)打印结果：
tensor([[1.0102e-38, 1.0194e-38, 3.6736e-39],[8.3572e-39, 4.5918e-39, 4.5918e-39],[4.0408e-39, 4.5918e-39, 4.7755e-39],[8.5408e-39, 8.3571e-39, 4.5918e-39],[4.6837e-39, 4.0408e-39, 4.5918e-39]])
1.2 构造一个随机初始化的矩阵
x = torch.rand(5, 3)
print(x)
打印结果：
tensor([[0.1306, 0.2627, 0.1585],[0.8739, 0.0200, 0.4470],[0.6009, 0.5557, 0.1189],[0.5708, 0.4116, 0.6806],[0.0506, 0.6534, 0.2358]])
1.3 构造一个矩阵全为 0,而且数据类型是 long.
x = torch.zeros(5, 3, dtype=torch.long)
print(x)
输出结果
tensor([[0, 0, 0],[0, 0, 0],[0, 0, 0],[0, 0, 0],[0, 0, 0]])1.4 直接使用数据构造一个张量
x = torch.tensor([5.5, 3])
print(x)
输出结果
tensor([5.5000, 3.0000])
1.5 创建一个 tensor 基于已经存在的 tensor
x = tensor([5.5000, 3.0000])
x = x.new_ones(5, 3, dtype=torch.double)
print(x)
输出结果
tensor([[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.]], dtype=torch.float64)
x = torch.rand_like(x, dtype=torch.float)
print(x)
输出结果
tensor([[0.0996, 0.3518, 0.2875],[0.2665, 0.5578, 0.1388],[0.3313, 0.8641, 0.5232],[0.8819, 0.6924, 0.9274],[0.8298, 0.4196, 0.1312]])size
print(x.size())
