PyTorch

Tensor常见的形式有哪些

• 0: scalar 数值
• 1: vector 向量
• 2: matrix 矩阵
• 3: n-dimensional tensor 高维张量

import torch
from torch import tensor

---

Scalar

通常就是一个数值

x = tensor(42.) # tensor(42.)
 
x.dim() # 0
 
2 * x # tensor(84.)
 
x.item() # 42.0

---

Vector

在深度学习中通常指特征。
例如词向量特征，某一维度特征等；例如： [-5., 2., 0.]。

[vec{v} = left[ v_1, v_2, ldots, v_n ight] ]

v = tensor([1.5, -0.5, 3.0]) # tensor([ 1.5000, -0.5000,  3.0000])
 
v.dim() # 1
 
v.size() # torch.Size([3])

---

Matrix

• 多个特征组合成矩阵（行和列）
• 一般计算的都是矩阵，通常都是多维的

M = tensor([[1., 2.], [3., 4.]]) # tensor([[1., 2.], [3., 4.]])
 
M.matmul(M) #  tensor([[ 7., 10.],  [15., 22.]])
 
tensor([1., 0.]).matmul(M) # tensor([1., 2.])
 
M * M
'''
tensor([[ 1.,  4.],
            [ 9., 16.]])
'''
 
tensor([1., 2.]).matmul(M) #  tensor([ 7., 10.])

---

几种形状的Tensor