张量介绍

张量是Pytorch的关键组成部分。 我们可以说PyTorch完全基于张量。 在数学中，一个矩形数字数组称为度量。 在 NumPy 库中，这些度量称为 ndaaray。 在 PyTorch 中，它被称为张量。 张量是一个 n 维数据容器。 例如，在 PyTorch 中，1d-tensor 是一个向量，2d-tensor 是一个度量，3d-tensor 是一个立方体，4d-tensor 是一个立方体向量。

Torch 提供具有强大 GPU 加速的张量计算。 熟悉张量数据结构对于使用 PyTorch 至关重要。 它们将作为神经网络实现的基本先决条件。

在深度学习中，张量是关键部分，我们可以在张量周围看到很多讨论。 甚至它出现在 Google 的主要机器学习库的名称中，即 TensorFlow。

在本教程中，我们将讨论什么是张量以及如何在 python 中使用 numpy 执行操作和操作它们。

"在一般情况下，排列在规则网格上且具有可变数量轴的数字数组被称为张量。"

现在让我们了解一下张量的符号

张量符号类似于度量符号。 大写字母代表张量，带有下标整数的小写字母代表张量内的标量值。

在物理学和工程学领域，张量和张量代数作为一种工具被广泛使用。 我们可以说，它是一组在深度学习模型的运算和训练中关于张量的技术。

如何创建张量？

我们可以通过三种方式创建张量。 每一种都有不同的创建张量和使用不同方法的方式。 张量创建为

1. 从数组创建张量
2. 创建所有为 1 和随机数的张量
3. 从 numpy 数组创建张量

让我们看看如何创建张量

从数组创建张量

在此，您首先要定义数组，然后将该数组传递到 torch 的 Tensor 方法中作为参数。

例如

输出

tensor ([[3., 4.],[8., 5.]])

使用随机数和全 1 创建张量

要创建随机数张量，我们必须使用 rand() 方法，要创建一个所有为 1 的张量，您必须使用 torch 的 ones() 方法。 为了生成随机数，将使用 torch 的另一种方法 rand，即 manual_seed，参数为 0。

例如

输出

tensor([[1., 1.],[1., 1.]])
tensor([[0.4962, 0.7682],[0.0885, 0.1320]])

从 numpy 数组创建张量

要从 numpy 数组创建张量，我们必须创建一个 numpy 数组。 创建 numpy 数组后，我们必须将其作为参数传递给 from_numpy()。 此方法将 numpy 数组转换为张量。

例如

输出

[[1. 1.][1. 1.]]