pytorch tensor 维度理解.md

torch.randn

• torch.randn(*sizes, out=None) → Tensor(张量)

• 返回一个张量，包含了从标准正态分布(均值为0，方差为 1)中抽取一组随机数，形状由可变参数sizes定义。 参数:

  • sizes (int...) – 整数序列，定义了输出形状
  • out (Tensor, optinal) - 结果张量

二维

>>> import torch

>>> torch.randn(2,3)

tensor([[-1.0413,  0.8792,  2.1381],

           [ 0.9541, -2.3019,  0.5490]])

>>>

三维

>>> torch.randn(2,2,3)

tensor([[[ 0.4200,  0.4624,  0.3099],

            [-0.1227,  0.2452,  0.9840]],

           [[-0.8800, -0.5937, -1.4465],

            [ 1.6523, -0.0170, -0.6393]]])

>>>

• 三维基于二维增加了一维，即（2，2，3）是包含了2个2行三列的矩阵；第一个数字即指包含几个二维矩阵

四维

>>> torch.randn(2,2,2,3)

tensor([[[[-1.1649, -1.1810, -0.3619],

             [-0.8433, -0.4411,  1.8187]],

            [[ 0.4896,  0.4773,  0.0032],

             [ 1.1269,  1.3638,  1.4495]]],

          [[[-0.1959,  0.5646,  0.7001],

            [ 0.6796,  0.1164,  1.6833]],

           [[-0.2674, -0.2411,  1.5875],

            [-0.2804,  1.4775,  0.2448]]]])

>>>

• 四维基于三维增加了一维，（2，2，2，3）即包含了2个三维的矩阵。

>>> a = torch.randn(2,2,2,3)

>>> torch.numel(a)             # 计算tensor的元素个数（即矩阵的元素个数）

24

• 若是n维，以此类推，基于上一维增加一维计算。