深度学习-Pytorch常见的数据类型
数据类型认识
首先，python与PyTorch中的数据类型
| python | PyTorch |
|---|---|
| int | IntTensor |
| float | FloatTensor |
| int array | IntTensor size[d1,d2,...] |
| float array | FloatTensor size[d1,d2,...] |
| string | 无 |
在PyTorch中表达String：
- one-hot即将标签编码成数组表示
- Embedding：Word2vec、glove
其中，Pytorch的数据类型根据存放在CPU和GPU的不同，数据类型也不同。
- CPU：torch.[]
- GPU：torch.cuda.[]
数据类型创建
首先明确三个不同的描述：
- dim：向量的维度，标量的维度为0
- size()或者shape：每一维度的长度，通俗来说就是几行几列...
- tensor：具体的数据或者向量
根据dim的不同，对数据进行介绍：
- dim=0:标量,损失
torch.tensor()
- dim=1:一维向量，偏置值
torch.tensor([1.1])
torch.rand(1) #均匀分布
torch.randn(1) #正态分布
torch.FloatTensor(1)
- dim=2：二维向量，ANN，线性批输入
torch.tensor([[11,11],[12,12]])
torch.rand(2,3)
torch.randn(2,3)
- dim=3：三维向量，RNN
torch.tensor([[[11,11],[12,12]],[[11,11],[12,12]]])
torch.rand(2,2,2)
torch.randn(2,2,2)
- dim=4：四维向量, CNN
torch.tensor([[[[11,11],[12,12]],[[11,11],[12,12]]],[[[11,11],[12,12]],[[11,11],[12,12]]]])
torch.rand(2,2,2,2)
torch.randn(2,2,2,2)
其他的操作
#具体数据量大小
data.numel()
#维度
data.dim()
#尺寸
data.shape
data.size()
#数据类型
a.type()