张量运算真简单！PyTorch 数值计算操作完全指南

系列文章目录

Pytorch基础篇

01-PyTorch新手必看：张量是什么？5 分钟教你快速创建张量！
02-张量运算真简单！PyTorch 数值计算操作完全指南
03-Numpy 还是 PyTorch？张量与 Numpy 的神奇转换技巧
04-揭秘数据处理神器：PyTorch 张量拼接与拆分实用技巧
05-深度学习从索引开始：PyTorch 张量索引与切片最全解析
06-张量形状任意改！PyTorch reshape、transpose 操作超详细教程
07-深入解读 PyTorch 张量运算：6 大核心函数全面解析，代码示例一步到位！
08-自动微分到底有多强？PyTorch 自动求导机制深度解析

Pytorch实战篇

09-从零手写线性回归模型：PyTorch 实现深度学习入门教程
10-PyTorch 框架实现线性回归：从数据预处理到模型训练全流程
11-PyTorch 框架实现逻辑回归：从数据预处理到模型训练全流程
12-PyTorch 框架实现多层感知机（MLP）：手写数字分类全流程详解

前言

在深度学习中，张量（Tensor）的基本运算是构建复杂模型的基础。PyTorch 提供了一系列丰富的张量操作函数，包括加减乘除、矩阵点乘以及矩阵乘积运算。通过这些操作，可以方便地完成数据处理和模型计算。

一、张量基本运算

PyTorch 中的张量基本运算函数包括 add、sub、mul、div、neg 等。对于这些操作，带下划线的版本（如 add_、sub_ 等）会直接修改原张量。

1.1 示例代码

import torch

def example01():
    data = torch.randint(1, 20, [2, 3])
    print("原始数据：\n", data)
    print('-' * 50)

    # 1. 不修改原数据
    new_data = data.add(5)  # 等价于 new_data = data + 5
    print("加法（不修改原数据）：\n", new_data)
    print('-' * 50)

    # 2. 修改原数据
    data.add_(