pytorch的一些运算操作

import torch
import numpy as np

x = torch.tensor([[1,2,3],
                  [4,5,6],
                  [7,8,9]])

y = torch.tensor([[3,2,1],
                  [6,5,4],
                  [9,8,7]])

z = x+y
print(z)    #直接使用加号就能实现加fa

#分片操作
a = x[0:2, 0:2]
print(a)
#resize操作，-1的运用
b = x.view(1, 9)    #在numpy中是reshape，在torch中是view
c = torch.ones(2,4)
print(c)
d = c.view(-1, 2)   #-1的那个维度，torch会自动计算。例如这里第二个维度是2，共有8个数，那么第一个维数就是8/2=4，输入4*2的矩阵
print(d)
#将含有一个元素的Tensor转换为数字
e = torch.tensor([1])
print(e)    #输出为tensor([1])
print(e.dtype)  #输出为torch.int64
f = e.item()
print(f)    #输出为1
print(type(f))  #输出为<class 'int'>


#numpy和torch的转换, numpy变torch用torch.from_numpy(), torch变numpy用x.numpy()
g = np.array([[1,2,3],
              [4,5,6]])
print(type(g))    #输出为<class 'numpy.ndarray'>
h = torch.from_numpy(g)
print(h)
print(type(h))  #输出为<class 'torch.Tensor'>
i = h.numpy()
print(type(i))  #输出为<class 'numpy.ndarray'>

输出如下

tensor([[ 4,  4,  4],
        [10, 10, 10],
        [16, 16, 16]])
tensor([[1, 2],
        [4, 5]])
tensor([[1., 1., 1., 1.],
        [1., 1., 1., 1.]])
tensor([[1., 1.],
        [1., 1.],
        [1., 1.],
        [1., 1.]])
tensor([1])
torch.int64
1
<class 'int'>
<class 'numpy.ndarray'>
tensor([[1, 2, 3],
        [4, 5, 6]], dtype=torch.int32)
<class 'torch.Tensor'>
<class 'numpy.ndarray'>