[人工智能]Pytorch基本语法

包?torch?包含了多维张量的数据结构以及基于其上的多种数学操作。另外，它也提供了多种工具，其中一些可以更有效地对张量和任意类型进行序列化。?

?张量 Tensors

1. torch.is_tensor

   obj=torch.full((2,3),6)
   print(obj)
   print(torch.is_tensor(obj))

   如果obj?是一个pytorch张量，则返回True

2. torch.is_storage

   obj=torch.full((2,3),6)
   print(obj)
   print(torch.is_storage(obj))

   如何obj?是一个pytorch storage对象，则返回True

3. torch.numel

   a = torch.randn(1,2,3,4,5)
   print(torch.numel(a))
   
   a = torch.zeros(4,4)
   print(torch.numel(a))

   返回input?张量中的元素个数

4. torch.linspace

   ?
   torch.linspace(start, end, steps=100, out=None) → Tensor
   
   返回一个1维张量，包含在区间start 和 end 上均匀间隔的steps个点。 输出1维张量的长度为steps。
   
   参数:
   
   start (float) – 序列的起始点
   end (float) – 序列的最终值
   steps (int) – 在start 和 end间生成的样本数
   out (Tensor, optional) – 结果张量
   
   
   例子
   
   >>> torch.linspace(3, 10, steps=5)
   
     3.0000
     4.7500
     6.5000
     8.2500
    10.0000
   [torch.FloatTensor of size 5]
   
   ?

5. ?torch.ones

   torch.ones(*sizes, out=None) → Tensor
   返回一个全为1 的张量，形状由可变参数sizes定义。
   
   参数:
   
   sizes (int...) – 整数序列，定义了输出形状
   out (Tensor, optional) – 结果张量 例子:
   >>> torch.ones(2, 3)
   
    1  1  1
    1  1  1
   [torch.FloatTensor of size 2x3]
   
   >>> torch.ones(5)
   
    1
    1
    1
    1
    1
   [torch.FloatTensor of size 5]

6. torch.rand

   torch.rand(*sizes, out=None) → Tensor
   返回一个张量，包含了从区间[0,1)的均匀分布中抽取的一组随机数，形状由可变参数sizes 定义。
   
   参数:
   
   sizes (int...) – 整数序列，定义了输出形状
   out (Tensor, optinal) - 结果张量 例子：
   >>> torch.rand(4)
   
    0.9193
    0.3347
    0.3232
    0.7715
   [torch.FloatTensor of size 4]
   
   >>> torch.rand(2, 3)
   
    0.5010  0.5140  0.0719
    0.1435  0.5636  0.0538
   [torch.FloatTensor of size 2x3]

7. torch.randn

   torch.randn(*sizes, out=None) → Tensor
   返回一个张量，包含了从标准正态分布(均值为0，方差为 1，即高斯白噪声)中抽取一组随机数，形状由可变参数sizes定义。 参数:
   
   sizes (int...) – 整数序列，定义了输出形状
   out (Tensor, optinal) - 结果张量
   例子：:
   
   >>> torch.randn(4)
   
   -0.1145
    0.0094
   -1.1717
    0.9846
   [torch.FloatTensor of size 4]
   
   >>> torch.randn(2, 3)
   
    1.4339  0.3351 -1.0999
    1.5458 -0.9643 -0.3558
   [torch.FloatTensor of size 2x3]