Pytorch基础 - 0. Tensor数据类型与存储结构

Aaron_neil

已于 2023-04-14 22:28:11 修改

阅读量2.3k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： # Pytorch操作文章标签： pytorch 深度学习 python

于 2023-04-13 11:58:59 首次发布

本文链接：https://blog.csdn.net/Aaron_neil/article/details/130116596

本文介绍了PyTorch中Tensor的数据类型，包括LongTensor和FloatTensor等，以及数据类型转换方法。此外，详细阐述了Tensor的存储结构，包括头信息区和Storage，解释了reshape和view如何影响Tensor，并澄清了id()与data_ptr()在判断共享storage时的区别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. Tensor数据类型

2. Tensor存储结构

在讲PyTorch这个系列之前，先讲一下pytorch中最常见的tensor张量，包括数据类型，创建类型，类型转换，以及存储方式和数据结构。

1. Tensor数据类型

(1) 一共包括9种数据类型，3大类

torch.LongTensor常用在深度学习中的标签值，比如分类任务中的类别标签0，1，2等torch.FloatTensor常用做深度学习中可学习参数或者输入数据的类型

(2) pytorch中的 type() 和 dtype

tensor.type()：返回的是数据所属的Tensor类型，如 torch.LongTensor等
tensor.dtype：返回的是tensor数据自身的类型，如 torch.int8, torch.long等

x = torch.tensor([1, 2])
print(x.dtype)  # torch.int64
print(x.type()) # torch.LongTensor

(3) pytorch默认的整数是int64，默认的浮点数是float32。

x = torch.tensor([1, 2, 3])
print(x.dtype)  # torch.int64
y = torch.tensor([1., 2., 3.])
print(y.dtype)  # torch.float32

(3) 使用两种方式创建不同类型的张量

【方式1】直接在后面用dt

最低0.47元/天解锁文章

200万优质内容无限畅学