PyTorch|PyTorch张量解释

2024-01-07 21:29:29

神经网络中的输入、输出和转换都使用张量表示,因此,神经网络编程大量使用张量,张量是我们在 PyTorch 中编程神经网络时将使用的数据结构。

关于张量及其维数的简要说明,以及术语:

  • ? ? ??你有时会看到一个称为向量的一维张量

  • ? ? ? 同样,二维张量通常被称为矩阵

  • ? ? ? 任何具有二维以上的东西通常被称为张量

在对神经网络进行编程时,数据预处理通常是整个过程的第一步,数据预处理的一个目标是将原始输入数据转换为张量形式。

我们通常要知道这几个张量属性。

  • torch.dtype

  • torch.device

  • torch.layout

通过实例看一下:

>>> data=torch.tensor([1,2,3,4])
>>> data.dtype
torch.int64
>>> data.device
device(type='cpu')
>>> data.layout
torch.strided

更多的torch.dtype可以看下面:

图片

文章来源:https://blog.csdn.net/m0_57569438/article/details/135391842
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。