PyTorch 基础概念 - 张量 Tensors

更新日期: 2022-09-03 阅读次数: 201 字数: 229 分类: AI

无论是 PyTorch 还是 TensorFlow,我们首先都会遇到一个基础概念,张量 (Tensor)。

张量 (Tensor) 的作用

模型 (Model) 的输入和输出都是用张量 (Tensor) 表示的。

张量 (Tensor) 是什么

张量 (Tensor) 就是一种数据结构,类似数组 (array),矩阵 (matrix),向量 (vector)。

更形象地理解张量 (Tensor)

例如,如果我们要做一个二手车价格预测模型 (Model),那么如何表示一辆二手车呢?

就可以用一个一维数组来表示,每个元素代表:

  • 生产年份
  • 形式里程数
  • 品牌
  • 事故数
  • 是否泡水过

等等。

也就是,用数字、数学的方式来描述一个事物。

再举一个例子,例如我们可以把一张彩色图片转换为一张二值图片,或者灰度图片,也就是将图片用二维矩阵的方式来描述。

代码

基于 Windows 11 上用 Miniconda 安装的 PyTorch

>python
Python 3.9.12 (main, Apr  4 2022, 05:22:27) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> car = torch.tensor([1980, 8686, 1000, 1])
>>> car
tensor([1980, 8686, 1000,    1])
>>>

参考

  • https://docs.microsoft.com/zh-cn/learn/modules/intro-machine-learning-pytorch/2-tensors

tags: pytorch

爱评论不评论