pytorch 创建tensor的几种方法

tensor默认是不求梯度的，对应的requires_grad是False。

1.指定数值初始化

import torch

#创建一个tensor，其中shape为[2]

tensor=torch.Tensor([2,3])

print(tensor)#tensor([2., 3.])

#创建一个shape为[2,3]的tensor

tensor=torch.Tensor(2,3)#会随机数值，等价于这种方式 tensor=torch.Tensor(size=(2,3))

print(tensor)

'''tensor([[-3.6525e-01,  2.8671e-42,  0.0000e+00],

        [ 0.0000e+00,  0.0000e+00,  0.0000e+00]])'''

shape=(2,3)

zeros=torch.zeros(size=shape)#全部是0的tensor

print(zeros)

'''

tensor([[0., 0., 0.],

        [0., 0., 0.]])

'''

zeros_like=torch.zeros_like(zeros)#返回跟zeros的tensor一个size的全零tensor

ones=torch.ones(shape)#全部是1的tensor

ones_like=torch.ones_like(ones)#返回跟ones的tensor一个size的全一tensor

arange=torch.arange(start=0, end=5, step=1) #返回一个从start到end的序列,步进为1

print(arange) #tensor([0, 1, 2, 3, 4])

2.指定分布初始化

import torch

size=[2,3]

rand=torch.rand(size) #[0,1)内的均匀分布随机数

rand_like=torch.rand_like(rand)#返回跟rand的tensor一样size的0-1随机数

randn=torch.randn(size)#返回标准正太分布N(0,1)的随机数

print(randn)

'''

tensor([[-1.0543,  0.9566, -2.4818],

        [-0.8597, -0.7725, -1.6121]])

'''