>#Pytorch Tensor 常见的形式 [TOC] |值|描述| |---------|---------| |scalar|0维张量| |vector|1维张量| |matrix|2维张量| |N-dimensional Tensor|N维张量| ```python import torch from torch import tensor ``` ## Scalar tn2>通常就是一个数值。 ```python x = torch.tensor(41.) x ``` >tensor(41.) ```python # 方法返回张量的维度数 x.dim() ``` >0 ```python # 相乘 2 * x ``` >tensor(82.) ```python # 从一个标量张量中提取其数值。 x.item() ``` >41.0 ## Vector tn2>例如：[-5., 2. , 0.] 在深度学习中通常指特征，例如词向量特征，某一维度特征等。 ```python v = tensor([1.5, -0.5, 3.0]) v ``` >tensor([ 1.5000, -0.5000, 3.0000]) ```python v.dim() ``` >1 ```python v.size() ``` >torch.Size([3]) ## Matrix tn2>一般计算的都是矩阵，通常都是多维的。 ```python M = tensor([[1., 2.], [3., 4.]]) M ``` >tensor([[1., 2.], [3., 4.]]) ```python # 做乘法 M.matmul(M) ``` >tensor([[ 7., 10.], [15., 22.]]) ```python tensor([1., 0.]).matmul(M) ``` >tensor([1., 2.]) ```python # 对应的相乘与阶层相乘是不一样的 M * M ``` >tensor([[ 1., 4.], [ 9., 16.]]) ```python tensor([1., 2.]).matmul(M) ``` >tensor([ 7., 10.]) ## 几种形状的Tensor