2-Pytorch创建随机值张量

2-Pytorch创建随机值张量

1 导入必备库

import torch
import numpy as np
1
2

2 使用torch.rand()创建0-1均匀分布的随机数

t = torch.rand(2,3)
print(t)
1
2

输出：

tensor([[0.1452, 0.1435, 0.2124],
        [0.6646, 0.5232, 0.1572]])
1
2

3 使用torch.randn()创建正态分布的随机数

t = torch.randn(2,3)
print(t)
1
2

输出：

tensor([[-0.5325, -0.4938,  0.6301],
        [-0.6313, -0.1412,  2.2926]])
1
2

4 使用torch.zeros()创建全0张量

t = torch.zeros(3)
print(t)
print(t.dtype)
1
2
3

输出：

tensor([0., 0., 0.])
torch.float32
1
2

5 使用torch.ones()创建全1张量

t = torch.ones(3)
print(t)
print(t.dtype)
1
2
3

输出：

tensor([1., 1., 1.])
torch.float32
1
2

6 从另一个张量创建新的张量

x = torch.zeros_like(t)
print(x)
x = torch.rand_like(t)
print(x)
1
2
3
4

输出：

tensor([0., 0., 0.])
tensor([0.6516, 0.5740, 0.6379])
1
2

7 张量的属性：
tensor.shape返回张量的形状，与tensor.size()方法等价，tensor.dtype返回当前张量的类型

t = torch.ones(2,3,dtype= torch.float64)
print(t.shape)
print(t.size())
print(t.size(1)) # 返回第二维度大小
print(t.dtype)
print(t.device)
1
2
3
4
5
6

输出：

torch.Size([2, 3])
torch.Size([2, 3])
3
torch.float64
cpu
1
2
3
4
5

8 将张量移动到显存，使用tensor.to()方法将张量移动到GPU上

# 如果GPU可用，将张量移动到显存
# 设置使用哪块芯片，多块GPU使用逗号隔开
# import os
# os.environ['CUDA_VISIBLE_DEVICES'] = '0'    # 多块GPU设置，如：'0,1,2'

if torch.cuda.is_available():
    t = t.to('cuda')
print(t.device)
1
2
3
4
5
6
7
8

输出：

cuda:0
1

9 更稳妥的移动显存方法，无论是否有GPU都能保证运行

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')   # 启动cuda
print("Using {} device".format(device))  # 打印当前设备
t = t.to(device)
print(t.device)
1
2
3
4

输出：

Using cuda device
cuda:0
1
2