Torch对tensor的操作

最新推荐文章于 2025-06-22 16:13:31 发布

Daft shiner

最新推荐文章于 2025-06-22 16:13:31 发布

阅读量1.7k

点赞数

CC 4.0 BY-SA版权

分类专栏： utils 文章标签：概率论机器学习人工智能

本文链接：https://blog.csdn.net/weixin_46782905/article/details/121588492

utils 专栏收录该内容

6 篇文章

订阅专栏

本文详细介绍了Torch中处理tensor的一些基本操作，包括arange和range在创建序列时的区别，stack和cat在拼接tensor上的不同，meshgrid用于生成网格数据的方法，以及roll如何实现tensor的滚动移位。这些操作对于理解和使用Torch进行深度学习计算至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文不定期更新Torch对tensor的操作，以便自己翻阅。

torch.arange

在这里插入图片描述
包括start但不包括end

torch.arange(start=0, end=10)

output: tensor([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

torch.range

在这里插入图片描述
包括start也包括end

torch.range(start=0, end=10)

output: tensor([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.])

torch.stack

对tensors沿指定维度拼接，但返回的Tensor会多一维

a = torch.rand((2, 3))
b = torch.rand((2, 3))
c = torch.stack((a, b))

a:tensor([[0.5382, 0.3976, 0.8762],
        [0.3972, 0.7169, 0.3709]])
b:tensor([[0.1340, 0.2853, 0.2138],
        [0.3453, 0.4621, 0.4928]])
c:tensor([[[0.5382, 0.3976, 0.8762],
         [0.3972, 0.7169, 0.3709]],

        [[0.1340, 0.2853, 0.2138],
         [0.3453, 0.4621, 0.4928]]])

torch.cat

对tensors沿指定维度拼接，但返回的Tensor的维数不会变

a = torch.rand((2, 3))
b = torch.rand((2, 3))
c = torch.cat((a, b))

a:tensor([[0.0786, 0.0485, 0.5844],
        [0.4046, 0.4808, 0.1020]])
b:tensor([[0.1524, 0.0860, 0.6044],
        [0.2269, 0.6359, 0.4811]])
c:tensor([[0.0786, 0.0485, 0.5844],
        [0.4046, 0.4808, 0.1020],
        [0.1524, 0.0860, 0.6044],
        [0.2269, 0.6359, 0.4811]])

torch.meshgrid

在这里插入图片描述
分别沿x,y方向复制原tensor

a = torch.rand((3))
b = torch.rand((3))
grid_x, grid_y = torch.meshgrid(a, b)

a:tensor([0.9323, 0.7317, 0.2884])
b:tensor([0.1748, 0.1502, 0.2425])
grid_x:tensor([[0.9323, 0.9323, 0.9323],
        [0.7317, 0.7317, 0.7317],
        [0.2884, 0.2884, 0.2884]])                grid_y:tensor([[0.1748, 0.1502, 0.2425],
        [0.1748, 0.1502, 0.2425],
        [0.1748, 0.1502, 0.2425]])

torch.roll

shifts正值表示向下或者向右移（针对二维矩阵的说法，多维的话按照dim的顺序一次移位）
在这里插入图片描述

x = torch.randn((2, 2, 2))
a = torch.roll(x, shifts=1, dims=0)  # Positive value for move down, Negative value for move up
b = torch.roll(x, shifts=-1, dims=0)
c = torch.roll(x, shifts=1, dims=1)  # Positive value for move right, Negative value for move left
d = torch.roll(x, shifts=-1, dims=1)
e = torch.roll(x, shifts=(2, 1), dims=(0, 1))

x: tensor([[[ 0.1849,  1.1720],
         [ 0.4960, -1.8808]],

        [[ 1.0971, -1.3632],
         [ 0.0913,  0.3840]]])
a: tensor([[[ 1.0971, -1.3632],
         [ 0.0913,  0.3840]],

        [[ 0.1849,  1.1720],
         [ 0.4960, -1.8808]]])
b: tensor([[[ 1.0971, -1.3632],
         [ 0.0913,  0.3840]],

        [[ 0.1849,  1.1720],
         [ 0.4960, -1.8808]]])
c: tensor([[[ 0.4960, -1.8808],
         [ 0.1849,  1.1720]],

        [[ 0.0913,  0.3840],
         [ 1.0971, -1.3632]]])
d: tensor([[[ 0.4960, -1.8808],
         [ 0.1849,  1.1720]],

        [[ 0.0913,  0.3840],
         [ 1.0971, -1.3632]]])
e: tensor([[[ 0.4960, -1.8808],
         [ 0.1849,  1.1720]],

        [[ 0.0913,  0.3840],
         [ 1.0971, -1.3632]]])