1.python 和 pytorch的數(shù)據(jù)類型區(qū)別

在PyTorch中無法展示字符串，因此表達字符串，需要將其轉(zhuǎn)換成編碼的類型，比如one_hot，word2vec等。

2.張量

在python中，會有標量，向量，矩陣等的區(qū)分。但在PyTorch中，這些統(tǒng)稱為張量tensor，只是維度不同而已。

標量就是0維張量，只有一個數(shù)字，沒有維度。

向量就是1維張量，是有順序的數(shù)字，但沒有“行”或“列”的區(qū)分。

矩陣就是2維張量，有形狀，行和列。

以此類推，PyTorch中也常用3維張量和4維張量。

具體的張量生成和相關(guān)特性獲取方式如下：

①一維張量

在PyTorch中，沒有中括號，只有一個數(shù)字，就是1維張量，也就是python中的標量。

可以通過不同的方法查看數(shù)據(jù)的維度：

對于0維張量，查看形狀的時候就是0。

②二維張量

通過Pytorch可以直接指定一個具體的張量數(shù)據(jù)，也可以通過指定張量的形狀，來隨機生成指定形狀的數(shù)據(jù)。

如果通過numpy生成了數(shù)據(jù)，可以通過torch.from_numpy來轉(zhuǎn)換成張量。

③3維張量

通常，在RNN中會使用3維張量。

④4維張量

通常，在CNN中會使用3維張量。比如下圖生成的四維張量，可以理解為是2張圖，3層顏色，長寬均為28

以上，通過不同的方法可以生成想要的維度的張量，并查看相關(guān)屬性。

以上就是人工智能學(xué)習Pytorch張量數(shù)據(jù)類型示例詳解的詳細內(nèi)容，更多關(guān)于Pytorch張量數(shù)據(jù)類型的資料請關(guān)注服務(wù)器之家其它相關(guān)文章！

原文鏈接：https://blog.csdn.net/Swayzzu/article/details/121067519