赞
踩
举个例子: 你可以来描述一张image
# Tensor representation of image
[3, 214, 214] # 对应image的是 [color_channel (RGB), height pixels, width pixels]
举个例子:
# Scalar
scalar = torch.tensor(2)
print(scalar) # tensor(2)
# 输出 tensor(2) 的原因是该 scalar 的类型是 torch.Tensor.
# 可以使用 ndim 来获取该 scalar 的维度,判断是否是0维度
# ndim():Returns the number of dimensions of self tensor.
print(scalar.ndim()) # 0
# 可以将 tensor(2) 变成整数类型
# item() 是用于将包含单个元素的Tensor转换为Python标量值的方法。
print(scalar.item()) # 7
下面是python的例子,最基本的向量表示方式是使用列表或数组来存储数据。
import numpy as np
vector_list = [1,2,3,4]
vector_array = np.array([1,2,3,4])
import torch
vector_tensor = torch.tensor([1,2])
print(vector_tensor) # tensor([1,2])
# Check the number of dimensions of vector
print(vector.ndim()) # 1
# 可以通过数左边的 [ 有多少个,那么结果就有多少个
# 检测一个vector里有多少个elements
print(vector.shape()) # torch.Size([2]), 原因是有两个元素在方括号里,([7,7])
在 tensor 里,通过数左边outside方括号 [ 有多少个,就可以知道该tensor的dimension了。
用PyTorch来创建1维,2维,3维
# 创建1维,也就是 vector vector = torch.tensor([9,9]) # 创建2维,也就是 matrix matrix = torch.tensor([[7, 8], [9, 10]]) # 创建3维 TENSOR = torch.tensor([[[1,2,3,4], [4,5,6,6], [1,7,8,9]]]) print(TENSOR.shape) # torch.size([1,3,4]) 因为只有1个三维,三维里又有3个内套数组,每个数组里有4个元素 TENSOR_One = torch.tensor([ [ [1,2,3,4], [3,6,9,0] ], [ [3,5,1,7], [9,0,1,4] ] ]) print(TENSOR_ONE.shape) # torch.size([2,2,4])
如果像下面这样构建3维,就报错。必须要保证每个内套里的数组长度是一样的
TENSOR = torch.tensor([
[
[1,2,3,4],
[3,6,9,0],
[1,1,1,1]
],
[
[3,5,1,7],
[9,0,1,4]
]
])
# len(TENSOR[0]) 和 len(TENSOR[1]) 不一致
看到这,点个赞再走呗~
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。