Tensor：Pytorch神经网络界的Numpy【图文】

摘要：Tensor，它可以是 0 维、一维以及多维的数组，你可以将它看作为神经网络界的 Numpy，它与 Numpy 相似，二者可以共享内存，且之间的转换非常方便。

本文分享自华为云社区《Tensor：Pytorch神经网络界的Numpy》，作者： 择城终老 。

Tensor

Tensor，它可以是0维、一维以及多维的数组，你可以将它看作为神经网络界的Numpy，它与Numpy相似，二者可以共享内存，且之间的转换非常方便。

但它们也不相同，最大的区别就是Numpy会把ndarray放在CPU中进行加速运算，而由Torch产生的Tensor会放在GPU中进行加速运算。

对于Tensor，从接口划分，我们大致可分为2类：

1. torch.function：如torch.sum、torch.add等。

2. tensor.function：如tensor.view、tensor.add等。

而从是否修改自身来划分，会分为如下2类：

1. 不修改自身数据，如x.add(y)，x的数据不变，返回一个新的Tensor。

2. 修改自身数据，如x.add_(y)，运算结果存在x中，x被修改。

简单的理解就是方法名带不带下划线的问题。

现在，我们来实现2个数组对应位置相加，看看其效果究竟如何：

import torch

x = torch.tensor([1, 2])
y = torch.tensor([3, 4])
print(x + y)
print(x.add(y))
print(x)
print(x.add_(y))
print(x)

运行之后，效果如下：

下面，我们来正式讲解Tensor的使用方式。

更多文章请关注《万象专栏》