Tensor

最新推荐文章于 2025-09-30 13:35:01 发布

原创最新推荐文章于 2025-09-30 13:35:01 发布 · 677 阅读

收录于

当前文章被以下社区和专栏收录：

Educoder实训专栏收录该内容

1478 篇文章

已下架不支持订阅

本文介绍了深度学习中重要的概念——Tensor（张量），详细阐述了Tensor的数据类型、创建方法，包括从Numpy转换和在Pytorch中的创建，并探讨了TensorFlow中的Session，讲解了Session的创建、参数设置及管理。

第1关：Tensor数据类型

任务描述
本关任务：学习Tensor数据类型。

相关知识
为了完成本关任务，你需要掌握：1.什么是Tensor，2.Python中的Tensor。

什么是Tensor
"tensor"这个单词一般可译作“张量”，张量可以看作是一个多维数组。标量可以看作是0维张量，向量可以看作1维张量，矩阵可以看作是二维张量。

在深度学习中，Tensor实际上就是一个多维数组，是能够创造更高维度的矩阵、向量。

import torch

x = torch.rand(5, 3)

tOrder = x.size

标签

#python #深度学习 #numpy

了解本专栏

已下架不支持订阅

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Ssaty.

关注关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

已下架不支持订阅

【TensorFlow2.0】(1) tensor数据类型，类型转换

博观而约取，厚积而薄发

11-22

1万+

各位同学好，今天和大家分享一下TensorFlow2.0中的tensor数据类型，以及各种类型之间的相互转换方法。 1. tf.tensor 基础操作 scaler标量：1.2 vector向量：[1.2]、[1.1,2.2,3.3] 注意：此处的[1.2]是一维的，而1.2是0维的 matrix矩阵：[[1.1,2.2],[3.3,4.4]] tensor张量：代表任意维度的数据 1.1 创建一个tensor 创建方法： tf.constant(value, shape=维度, d...

0 条评论

写评论

【Pytorch】tensor索引另一个tensor（tensor[tensor]）

ProLover98的博客

03-30

4479

说明最近在使用pytorch中tensor的时候，遇到了需要使用tensor1[tensor2]的情况，发现了这篇博客，他从代码的角度解释了其工作原理，这里我用图示的方式解释tensor类型为longTensor时的情况工作原理首先，创建两个tensor，如下：import numpy as np import torch x1 = np.array([[1,0,0,1],[1,1,0,1...

Tensorflow入门--图与会话

Junds0的博客

01-25

1714

第1关：Hello，Tensorflow 本关任务：编写使用python一个Tensorlfow的Hello，World程序。 #********* Begin *********# import tensorflow as tf c = tf.constant('Hello World') # 创建一个Session sess = tf.Session() # 让c这个Tensor动起来，并打印c这个Tensor动起来之后的值 print(sess.run(c)) # 关闭Session sess.clo

Google Tensor2Tensor系统一文读懂

给我一点温度

09-12

5178

作者：张金超，腾讯微信模式识别中心高级研究员。导语： Google Tensor2Tensor系统是一套十分强大的深度学习系统，在多个任务上的表现非常抢眼。尤其在机器翻译问题上，单模型的表现就可以超过之前方法的集成模型。这一套系统的模型结构、训练和优化技巧等，可以被利用到公司的产品线上，直接转化成生产力。本文对Tensor2Tensor系统从模型到代码进行了全面的解析，期望能够给大家提...

pytorch学习小记录（1）---tensor数据类型

qq_44650700的博客

06-06

804

pytorch学习小记录（1）---tensor数据类型 tensor（张量），pytorch中的基本操作对象，可以看作是bao'han'dan

（一）tensorflow笔记：Tensor数据类型

qq_34184505的博客

04-18

2222

常见的数据类型载体 list np.array tf.tensor list: 可以存储不同数据类型，缺点不适合存储较大的数据，如图片 np.array: 解决同类型大数据数据的载体，方便数据运算，缺点是在深度学习之前就设计好的，不支持GPU tf.tensor:更适合深度学习，支持GPU Tensor是什么 scalar: 1.1 vector:[1.1] , [1.1,2.2,……] matrix:[[1,2,3,],[4,5,6],[7,8,9]] torsor:rank > 2 （一般

tensor和numpy 转换

@bangbang的博客

09-05

2683

而torch.as_tensor()则是一个折中的选择，它在可能的情况下避免复制，但在必要时会复制并转换数据类型。，可以接受多种类型的输入，包括列表、元组、NumPy 数组、标量值，甚至是另一个张量。这个方法会创建一个新的张量，并且复制NumPy数组中的数据。这意味着，原始的NumPy数组和新创建的张量是完全独立的，修改其中一个不会影响另一个。torch.as_tensor函数提供了一个灵活的方式来创建张量，并且可以指定数据类型和设备，这对于深度学习模型的输入数据准备非常有用。这个方法会创建一个新的张量，

【PyTorch】Tensor（张量）介绍

Glass_Gun的博客

09-20

2368

Tensor 中文为张量。张量的意思是一个，它是标量、向量、矩阵的高维扩展。标量可以称为 0 维张量，向量可以称为 1 维张量，矩阵可以称为 2 维张量，RGB 图像可以表示 3 维张量。你可以把张量看作多维数组。

torch里面的Tensor、as_tensor、tensor以及from_numpy究竟有何区别？

修炼之路

07-05

6527

导读在使用pytorch的时候我们经常会用到将numpy array转为tensor，以及将tensor转为numpy array的情况。pytroch内置了几种不同的方法可以方便我们将numpy array转换称为tensor，那么这些方法之间究竟有何异同呢？下面我们就来介绍一下实践 import torch import numpy as np #创建一个numpy array的数组 array = np.array([1,2,3,4]) #将numpy array转换为torch tensor

libtorch tensor的使用

qq_41764621的博客

10-31

2829

libtorch中tensor的使用方法（与pytorch）对照版本

torch.Tensor和torch.tensor有什么区别？

qimo601的专栏

11-14

5665

介绍在PyTorch 中，torch.Tensor是主要的tensor类，所有的tensor都是torch.Tensor的实例。torch.Tensor是torch.FloatTensor的别名。而torch.tensor是一个函数，返回的是一个tensor，在PyTorch官方文档中，描述如下： torch.tensor(data, dtype=None, device=None, requires_grad=False) → Tensor Constructs a tensor with da

tensor.new_zeros 和 tensor.new_tensor

@bangbang的博客

10-20

1019

tensor.new_zeros 和 tensor.new_tensor 都用来创建一个新的tensor,。

pytorch使用tensor作为tensor的索引

chenf1999的博客

09-12

4555

在使用pytorch时，我们经常会看到tensor1[tensor2]这样的代码，而不同的tensor2会导致不同的索引方式，本文详细介绍使用tensor作为索引的原理。首先构造tensor1： >>> a = torch.randn(10, 5) >>> a tensor([[-0.9434, -2.8668, -0.4331, -1.6842, -0.1823], [-1.4545, -1.0065, 0.3228, 0.7457, 0.622

Tensor2Tensor 安装与配置完全指南

gitblog_09676的博客

09-13

836

Tensor2Tensor 安装与配置完全指南【免费下载链接】tensor2tensor Library of deep learning models and datasets designed to make deep learning more accessible and accelerate ML resea...

pytorch入门之tensor

gehueuwhgw的博客

10-26

1813

张量Tensor

深度学习：探究Tensor和Numpy

十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎

08-05

4278

Tensor之于PyTorch就好比是array之于Numpy或者DataFrame之于Pandas，都是构建了整个框架中最为底层的数据结构；Tensor与普通的数据结构不同，具有一个极为关键的特性——自动求导。

用pytorch创建tensor，tensor的操作

2302_77466515的博客

04-16

2012

print(f"按指定长度分割结果: {torch.split(x, split_size_or_sections=[1, 2], dim=0)}")print(f"dim=0 拼接结果:\n{torch.stack(tensors=[t1, t2], dim=0)}")print(f"dim=2 拼接结果:\n{torch.stack(tensors=[t1, t2], dim=2)}")print(f"转置后张量是否连续: {t1.is_contiguous()}")

Pytorch中Tensor的一些操作

qq_41131535的博客

06-19

6356

1 a = torch.rand(1,10,4)，生成的Tensor在0-1之间，且tensor的shape为（1,10,4） 2 torch.cat(tensors, dim=0, out=None) → Tensor >>> x = torch.randn(2, 3) >>> x tensor([[ 0.6580, -1.0969, -0.4614], ...

Tensor Core