PyTorch 二维张量 | 2D 张量

PyTorch 是一个基于 Python 的科学计算库，可以用于深度学习的开源机器学习框架。

在 PyTorch 中，张量 (Tensor) 是最基本的数据类型。张量是一种多维数组，可用于表示各种类型的数据，如数字、文本、图像等。

本文将讨论 PyTorch 的二维张量，也称为 2D 张量。

创建 2D 张量

PyTorch 中可以使用 torch.Tensor 创建二维张量。

import torch

# 从列表创建 2D 张量
a = torch.Tensor([[1, 2, 3], [4, 5, 6]])
print(a)

# 从元组创建 2D 张量
b = torch.Tensor((1, 2), (3, 4), (5, 6))
print(b)

# 随机创建一个 2D 张量
c = torch.randn(2, 3)
print(c)

访问张量中的元素

可以使用 tensor[row_index][column_index] 或 tensor[row_index, column_index] 访问二维张量中的元素。

import torch

a = torch.Tensor([[1, 2, 3], [4, 5, 6]])

# 访问第一行第二个元素
print(a[0][1])
print(a[0, 1])

# 访问第二行第三个元素
print(a[1][2])
print(a[1, 2])

修改张量中的元素

可以使用 tensor[row_index][column_index] = new_value 或 tensor[row_index, column_index] = new_value 修改二维张量中的元素。

import torch

a = torch.Tensor([[1, 2, 3], [4, 5, 6]])

# 将第一行第二个元素修改为 10
a[0][1] = 10
print(a)

# 将第二行第三个元素修改为 20
a[1, 2] = 20
print(a)

获取张量的形状

可以使用 tensor.size() 或 tensor.shape 获取二维张量的形状。

import torch

a = torch.Tensor([[1, 2, 3], [4, 5, 6]])

# 获取张量的形状
print(a.size())
print(a.shape)

张量的运算

在 PyTorch 中，张量可以进行各种数学运算，如加法、减法、乘法、除法等。

import torch

a = torch.Tensor([[1, 2], [3, 4]])
b = torch.Tensor([[5, 6], [7, 8]])

# 张量加法
c = a + b
print(c)

# 张量减法
d = a - b
print(d)

# 张量乘法
e = a * b
print(e)

# 张量除法
f = a / b
print(f)

张量的转置

可以使用 tensor.t() 或 torch.transpose(tensor, dim1, dim2) 对二维张量进行转置。

import torch

a = torch.Tensor([[1, 2, 3], [4, 5, 6]])

# 对张量进行转置
b = a.t()
print(b)

# 使用 torch.transpose 进行转置
c = torch.transpose(a, 0, 1)
print(c)

参考资料

• PyTorch 中文文档