Python|张量创建操作[4]

创建操作续2

torch.logspace(start, end, steps=100, base=10.0, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

返回一个一维的张量，使用对数，从start到end。比如在start处，值是10，base是2，那么start对应的值输出为2的10次方。参数

• start（float）：点集的开始值
• end：点集的结束值
• steps（int）：默认100，在start和end之间点集的数量
• base（float）：对数函数的底值，默认10.0
• out（Tensor，可选参数）：输出张量
• dtype
• layout
• device
• requires_grad

例子

    >>> torch.logspace(start=-10, end=10, steps=5)

    tensor([ 1.0000e-10,  1.0000e-05,  1.0000e+00,  1.0000e+05,  1.0000e+10])

    >>> torch.logspace(start=0.1, end=1.0, steps=5)

    tensor([  1.2589,   2.1135,   3.5481,   5.9566,  10.0000])

    >>> torch.logspace(start=0.1, end=1.0, steps=1)

    tensor([1.2589])

    >>> torch.logspace(start=2, end=2, steps=1, base=2)

    tensor([4.0])

torch.eye(n, m=None, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

返回一个2维的张量，对角是1，其余位置是0。参数

• n（int）：行数
• m（int，可选参数）：列数，默认等于n
• out（Tensor，可选参数）
• dtype
• layout
• device
• requires_grad

例子

    >>> torch.eye(3)

    tensor([[ 1.,  0.,  0.],

            [ 0.,  1.,  0.],

            [ 0.,  0.,  1.]])

torch.empty(*size, out=None, dtype=None, layout=torch.strided, device=None, requiresgrad=False, pinmemory=False) → Tensor

返回一个未初始化的张量，形状由size指定 参数：

• size（int...）：整数序列，可以是集合，list，tuple等等
• out
• dtype
• layout
• device
• requires_grad
• pin_memory（bool，可选参数）：只对cpu张量有效，默认False，用来确定是否分配在一个固定的内存
• memory_format

例子

    >>> torch.empty(2, 3)

    tensor(1.00000e-08 *

           [[ 6.3984,  0.0000,  0.0000],

            [ 0.0000,  0.0000,  0.0000]])

torch.emptylike(input, dtype=None, layout=None, device=None, requiresgrad=False, memoryformat=torch.preserveformat) → Tensor

返回一个未初始化的张量，和oneslike()和zeroslike()方法类同。

例子

    >>> torch.empty((2,3), dtype=torch.int64)

    tensor([[ 9.4064e+13,  2.8000e+01,  9.3493e+13],

            [ 7.5751e+18,  7.1428e+18,  7.5955e+18]])

torch.full(size, fillvalue, out=None, dtype=None, layout=torch.strided, device=None, requiresgrad=False) → Tensor

返回一个指定值，且全部填充了的张量 参数

• size（int...）
• fill_value：输出张量需要填充的值
• out
• dtype
• layout
• device
• requires_grad

例子

    >>> torch.full((2, 3), 3.141592)

    tensor([[ 3.1416,  3.1416,  3.1416],

            [ 3.1416,  3.1416,  3.1416]])

torch.fulllike(input, fillvalue, out=None, dtype=None, layout=torch.strided, device=None, requiresgrad=False, memoryformat=torch.preserve_format) -> Tensor

参考函数名称后缀带like的使用

torch.quantizepertensor(input, scale, zero_point, dtype) → Tensor

根据给出的scale和零点，把浮点类型的张量量化成的新张量 参数

• input（Tensor）：需要转化的张量
• scale（float）：
• zero_point（int）：原点的位移
• dtype

例子

    >>> torch.quantize_per_tensor(torch.tensor([-1.0, 0.0, 1.0, 2.0]), 0.1, 10, torch.quint8)

    tensor([-1.,  0.,  1.,  2.], size=(4,), dtype=torch.quint8,

           quantization_scheme=torch.per_tensor_affine, scale=0.1, zero_point=10)

    >>> torch.quantize_per_tensor(torch.tensor([-1.0, 0.0, 1.0, 2.0]), 0.1, 10, torch.quint8).int_repr()

    tensor([ 0, 10, 20, 30], dtype=torch.uint8)