『PyTorch』第五弹_深入理解Tensor对象_下

PyTorch中的Tensor是一个核心数据结构，它是张量库的基础，类似于NumPy数组。Tensor对象可以看作是一维、多维的数值矩阵，支持动态维度和GPU加速计算。以下是关于Tensor对象的一些深入理解：

1. **创建Tensor**：你可以直接通过`torch.tensor()`函数创建Tensor，也可以从Python列表、NumPy数组或者其他Tensor转换而来。

import torch
# 创建一维Tensor
t = torch.tensor([1, 2, 3])
# 或者从列表创建
t_list = [4, 5, 6]
t_list_tensor = torch.tensor(t_list)

2. **属性和方法**：Tensor有多种属性如形状(shape)、大小(size)，以及诸如索引(indexing)、切片(slicing)、数学运算(math operations)等常用方法。

print(t.shape)  # 输出 (3,)
print(t[0])     # 输出 1
t.add_(1)       # 在原地加1

3. **类型和维度**：Tensor有固定的类型（如int, float），并可以是任意维度，包括标量(0维)、向量(1维)、矩阵(2维)等。

4. **GPU支持**：PyTorch对CUDA（NVIDIA GPU的计算平台）提供了很好的支持，可以通过`.to('cuda')`将Tensor移动到GPU上进行加速。

if torch.cuda.is_available():
    t_gpu = t.to('cuda')