张量Tensor是什么，怎么创建 – 李又懂的极客空间

张量是什么

张量是一个多维数组，它是标量、向量、矩阵的高维拓展

张量与Variable

Variable已经并入tensor
Variable是给张量添加属性
Variable是torch.autograd中的数据类型
主要用于封装Tensor，使Tensor进行自动求导
Variable有5个属性
data：被包装的Tensor
grad：data的梯度
grad_fn：创建Tensor的Function，是自动求导的关键
requires_grad：指示是否需要梯度
is_leaf：指示是否是叶子结点（张量）

PyTorch0.4.0版开始，Variable并入Tensor
dtype：张量的数据类型，如 torch.FloatTensor，torch.cuda.FloatTensor
shape：张量的形状，如（64，3，224，224）
device：张量所在设备，GPU/CPU，是加速的关键

Tensor的创建

创建一：直接创建

torch.tensor（）
功能：从data创建tensor
data：数据，可以是list，numpy
dtype：数据类型，默认与data的一致
device：所在设备，cuda/cpu
requires_grad：是否需要梯度
pin_memory：是否存于锁页内存

flag = True
#flag = False 
if flag：
    arr = np.ones（（3，3））
    print（"ndarray的数据类型："，arr.dtype）

    #t = torch.tensor（arr，device='cuda'）
    t = torch.tehsor（arr）

    print（t）

torch.from_numpy（ndarray）
功能：从numpy创建tensor
注意事项：从torch.from_numpy创建的tensor于原ndarray共享内存，当修改其中一个的数据，另外一个也将会被改动

创建二：依据数值创建

2.1 torch.zeros（）
功能：依size创建全0张量
size：张量的形状，如（3，3）、（3，224，224）
out：输出的张量
layout：内存中布局形式，有strided，sparse_coo等
device：所在设备，gpu/cpu
requires_grad：是否需要梯度

2.2 torch.zeros_like（）
功能：依input形状创建全0张量
intput：创建与input同形状的全0张量
dtype：数据类型
layout：内存中布局形式

2.3 torch.ones（）

2.4 torch.ones_like（）
功能：依input形状创建全1张量
size：张量的形状，如（3，3）、（3，224，224）
dtype：数据类型
layout：内存中布局形式
device：所在设备，gpu/cpu requires_grad：是否需要梯度

2.5 torch.full（）

2.6 torch.full_like（）
功能：依input形状创建全0张量
size：张量的形状，如（3，3）
fill_value：张量的值

2.7 torch.arange（）
功能：创建等差的1维张量
注意事项：数值区间为[ start，end）
start：数列起始值
end：数列“结束值”
step：数列公差，默认为1

2.8 torch.linspace（）
功能：创建均分的1维张量
注意事项：数值区间为[start，end]
start：数列起始值
end：数列结束值
steps：数列长度（注意不是步长）

2.9 torch.logspace（）
功能：创建对数均分的1维张量
注意事项：长度为steps，底为base
start：数列起始值
end：数列结束值
steps：数列长度
base：对数函数的底，默认为10

2.10 torch.eye（）
功能：创建单位对角矩阵（2维张量）
注意事项：默认为方阵
n：矩阵行数
m：矩阵列数

创建三：依据概率创建

3.1 torch.normal（）
功能：生成正态分布（高斯分布）
mean：均值
std：标准差
四种模式：
mean为标量，std为标量
mean为标量，std为张量
mean为张量，std为标量
mean为张量，std为张量

区别是标量中要加一个size

3.2 torch.randn（）

3.3 torch.randn_like（）
功能：生成标准正态分布（均值为0，标准差为1）
size：张量的形状

3.4 torch.rand（）
3.5 torch.rand_like（）
功能：在区间[0，1）上，生成均多分布
3.6 torch.randint（）
3.7 torch.randint_like（）
功能：区间[low，high）生成整数均匀分布
size：张量的形状

3.8 torch.randperm（）
功能：生成生成从0到n-1的随机排列
n：张量的长度

3.9 torch.bernoulli（）
功能：以input为概率，生成伯努力分布（0-1分布，两点分布）
input：概率值