Pytorchの基本-データ型

基本的なデータ型

Pytorchは、テンソルと変数と呼ばれる2種類のデータ抽象化を提供します。テンソルはnumpuの配列に似ており、GPUでも使用でき、パフォーマンスを向上させることができます。PyTorchでは、データ抽象化により、GPUとCPUを簡単に切り替えることができます。

1.スカラー（0次元テンソル）

1つの要素を含むテンソルはスカラーと呼ばれます。定義は次のとおりです。

a = torch.tensor(2.3)
类型进行检查
a.size() #对类型进行检查
Output：torch.Size([])
a.shape  #Type check
Output：torch.Size([])

2.ベクトル（1次元テンソル）

ベクトルは、一連の要素の配列です。定義は次のとおりです。

b = torch.tensor([1,2])
c= torch.FloatTensor([1,3,5,8])
print(b)
print(c)
Output：tensor([1, 2])
		tensor([1., 3., 5., 8.])
data = np.ones(2)
torch.from_numpy(data) #从Numpy引入
Output：
tensor([1., 1.], dtype=torch.float64)

3.行列（2次元ベクトル）

ほとんどの構造化データは、テーブルまたはマトリックスとして表すことができます。定義は次のとおりです。

d = torch.FloatTensor([[1,2,3],
                       [4,5,6]])
print(d)
Output：
tensor([[1., 2., 3.],
        [4., 5., 6.]])
#Type check
d.size()
d.shape
Output：
	torch.Size([2, 3])

4.三次元ベクトル

複数の行列を一緒に追加すると、3次元のテンソルが得られ、画像のようなデータを表すために使用できます。

e = torch.FloatTensor([[[1,2,3],
                       [4,5,6]]])
print(e)
Output：
tensor([[[1., 2., 3.],
         [4., 5., 6.]]])
	

5. 4次元ベクトル

4次元テンソルタイプの一般的な例は、バッチ画像です。

f = torch.rand(1,3,28,28)

その他の操作

f.numelは、Tensorによって占有されるメモリの量を表します-要素の数
f.dim（）ビューの次元
f = f.cuda（）CPU GPUデータ変換

改善される。。。。