1.Tensor常见的形式

Tensor常见的形式有以下几种：

• scalar
• vector
• matrix
• n-dimensional tensor

1.1 Scalar

通常就是一个数值。

x = tensor(42.)
x
x.dim()
2 * x
x.item()

输出：

tensor(42.)
0
tensor(84.)
42.0

1.2 Vector

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。

v = tensor([1.5, -0.5, 3.0])
v

v.dim()
v.size()

输出：

tensor([ 1.5000, -0.5000,  3.0000])
1
torch.Size([3])

1.3 Matrix

一般计算的都是矩阵，通常都是多维的。

M = tensor([[1., 2.], [3., 4.]])
M

#矩阵的乘积
M.matmul(M)
#向量与矩阵乘积
result = tensor([1., 0.]).matmul(M)
#注意：矩阵相乘不满足交换律
result = M.matmul(tensor([1., 0.]))


#矩阵对应元素相乘
M * M
#向量与矩阵乘积
tensor([1., 2.]).matmul(M)

输出：

tensor([[1., 2.],
        [3., 4.]])

tensor([[ 7., 10.],
        [15., 22.]])

tensor([1., 2.])

tensor([1., 3.])

tensor([[ 1.,  4.],
        [ 9., 16.]])

tensor([ 7., 10.])