哪些网站做的好看香港域名注册网站
1.torch.arange()
(1)函数原型
torch.arange(start,end,step,*,out,dtype,layout=,device,requires_grad)(2)参数说明:
| 参数名称 | 参数类型 | 参数说明 |
| start | Number | 起始值，默认值为0 |
| end | Number | 结束值，取不到，为开区间 |
| step | Number | 步长值，默认为1 |
| out | Tensor | 输出的张量，，表明创建后tensor赋予哪个变量，通常情况下不会设置该参数 |
| dtype | torch.dtype | 期望返回的张量的数据类型，如果是None,则使用全局默认值，如果未给出dtype,则从其他输入参数推断数据类型，如果start、end或stop中的任何一个是浮点数，则dtype被推断为默认值，否则被推断为torch.int64 |
| layout | torch.layout | 返回张量的期望 layout,默认值为torch.strided |
| device | torch.device | 返回张量的期望设备。如果是默认值None，则使用当前设备作为默认张量类型，对于CPU类型的张量，则device是CPU;若是CUDA 类型的张量，则device是当前的CUDA 设备 |
| requires_grad | bool | autograd是否记录返回张量上的梯度。默认值为False，表示不记录 |
(3)函数功能:
返回大小为[(end-start)/step]的一维张量，其值为区间[start,end)中给定步长为step的等间隔取值
2.torch.range()
(1)函数原型:
torch.range(start,end,step,*,out,dtype,layout,device=None,requires_grad)(2)参数说明:
| 参数名称 | 参数类型 | 参数说明 |
| start | Number | 起始值，默认值为0 |
| end | Number | 结束值，可以取到，为闭区间 |
| step | Number | 步长值，默认为1 |
| out | Tensor | 输出的张量，表明创建后tensor赋予哪个变量，通常情况下不会设置该参数 |
| dtype | torch.dtype | 期望返回的张量的数据类型，如果是None,则使用全局默认值;如果未给出dtype,则从其他输入参数推断数据类型;如果start、end或stop中的任何一个是浮点数，则dtype被推断为默认值;否则被推断为torch.int64 |
| layout | torch.layout | 返回张量的期望layout,默认值为torch.strided,对性能影响不大 |
| device | torch.device | 返回张量的设备。默认值None表示使用当前设备作为默认张量类型;对于CPU类型的张量则device是CPU;若是CUDA 类型的张量则device是当前的CUDA 设备 |
| requires_grad | bool | autograd是否记录返回张量上的梯度。默认值为False，表示不记录 |
(3)函数功能:
返回大小为[(end-start)/step]的一维张量，其值为区间[start,end]中给定步长为step的等间隔取值
3.生成随机数组成的Tensor张量:
(1)函数原型:
1.torch.rand(*size,generator,out,dtype,layout,device,requires_grad)
2.torch.randn(*size,generator,out,dtype,layout,device,requires_grad)
3.torch.randint(low,high,*size,generator,out,dtype,layout,device,requires_grad)
4.torch.randperm(n,generator,out,dtype,layout,device,requires_grad)
5.torch.normal(mean,std,size,generator,out)(2)参数说明:
| 参数名称 | 参数类型 | 参数说明 |
| size | int/list/tuple | 生成tensor的维度大小,可以是int类型的数或者是一个由int类型数组成的list或tuple,若为int则表示此时生成的tensor是一维的 |
| generator | torch.Generator,optional | 用于控制生成随机数的种子，是可选参数 |
| low | int,optional | 生成的随机tensor所属整数区间的下界，默认值为0 |
| high | int | 生成的随机tensor所属整数区间的上界 |
| n | int | 生成随机整数排列的区间上界，即这些整数排列中最大值+1 |
| mean | Tensor | 生成的随机tensor服从的正态分布的均值向量 |
| std | Tensor | 生成的随机tensor数服从的正态分布的标准差向量 |
| out | Tensor | 输出的张量，表明创建后tensor赋予哪个变量，通常情况下不会设置该参数 |
| dtype | torch.dtype | 期望返回的张量的数据类型，对于torch.randint()和torch.randperm()来说默认值为torch.int64，而对于其他函数如果是None则使用全局默认值 |
| layout | torch.layout | 返回张量的期望layout,默认值为torch.strided,对性能影响不大 |
| device | torch.device | 返回张量的设备。默认值None表示使用当前设备作为默认张量类型;对于CPU类型的张量则device是CPU;若是CUDA 类型的张量则device是当前的CUDA 设备 |
| requires_grad | bool | autograd是否记录返回张量上的梯度。默认值为False表示不记录 |
(3)函数功能:
1.生成由[0, 1)之间均匀分布的随机数组成的给定size大小的tensor张量;
2.生成由从标准正态分布(均值为0,标准差为1)中采样的随机数组成的指定size大小的tensor张量;
3.生成由指定范围[low,high)内的随机整数组成的指定size大小的tensor张量
4.生成一个从[0,n)的随机整数排列的tensor张量
5.生成由服从给定均值mean和标准差std的正态分布的随机数组成的指定size大小的tensor张量;
size参数不是必须的,当省略size参数时生成的tensor大小由mean和std决定4.生成由固定值组成的Tensor张量
(1)函数原型:
1.torch.ones(*size,out,dtype,layout,device,requires_grad)
2.torch.ones_like(input,dtype,layout,device,requires_grad)
3.torch.zeros(*size,out,dtype,layout,device,requires_grad)
4.torch.zeros_like(input,dtype,layout,device,requires_grad)
5.torch.fill(*size,fill_value,out,dtype,layout,device,requires_grad)
6.torch.eye(n,m,out,dtype,layout,device,requires_grad)
7.torch.empty(*size,out,dtype,layout,device,requires_grad)
8.torch.empty_like(input,out,dtype,layout,device,requires_grad)(2)参数说明:
| 参数名称 | 参数类型 | 参数说明 |
| size | int/list/tuple | 生成tensor的维度大小,可以是int类型的数或者是一个由int类型数组成的list或tuple,若为int则表示此时生成的tensor是一维的 |
| input | torch.Tensor | 输入张量，新张量的大小将与此张量相同 |
| dtype | torch.dtype | 期望返回的张量的数据类型; 对于torch.zeros_like()和torch.ones_like()来说默认值为None,如果是None则使用和张量input一致的类型;而对其他函数来说如果为None使用全局默认类型 |
| out | Tensor | 输出的张量，表明创建后tensor赋予哪个变量，通常情况下不会设置该参数 |
| layout | torch.layout | 返回张量的期望layout,默认值为torch.strided,对性能影响不大 |
| device | torch.device | 返回张量的设备,默认值None表示使用当前设备作为默认张量类型; 对于CPU类型的张量则device是CPU;若是CUDA 类型的张量则device是当前的CUDA 设备 |
| requires_grad | bool | autograd是否记录返回张量上的梯度。默认值为False表示不记录 |
| fill_value | Number | 指定填充到生成Tensor张量中的值 |
| n | int | 生成的单位矩阵的行数 |
| m | int,optional | 生成的单位矩阵的列数，默认情况下省略m，此时生成的是一个方阵 |
(3)函数功能:
1.生成给定size大小的一个全为1的Tensor张量
2.生成和输入张量input大小一致的一个全为1的Tensor张量
3.生成给定size大小的一个全为0的Tensor张量
4.生成和输入张量input大小一致的一个全为0的Tensor张量
5.生成给定size大小并且全为给定值fill_value的一个Tensor张量
6.生成大小为n*n的单位矩阵,是一个二维Tensor张量,默认情况下为方阵
7.生成给定size大小的一个填满未初始化数据的Tensor张量
8.生成和输入张量input大小一致的一个填满未初始化数据的Tensor张量4.生成由现有数据值组成的Tensor张量
(1)函数原型:
1.torch.tensor(data,dtype,device,requires_grad)
2.torch.from_numpy(ndarray)(2)参数说明:
| 参数名称 | 参数类型 | 参数说明 |
| data | list/Numpy数组/tuple/scalar | 表示用于创建张量的数据，生成的Tensor维度和data一致 |
| dtype | torch.dtype,optional | 期望返回的张量的数据类型;默认值None表示和给定的内容的类型保持一致 |
| device | torch.device,optional | 返回张量的设备,默认值None表示使用当前设备为默认张量类型; 对于CPU类型的张量则device是CPU;若是CUDA 类型的张量则device是当前的CUDA 设备 |
| requires_grad | bool,optional | autograd操作是否记录返回张量上的梯度,默认值为False表示不记录 |
| ndarray | numpy.ndarray | 用于创建张量的numpy数组，生成的Tensor维度和data一致 |
(3)函数功能:
1.根据给定的输入数据data创建一个指定大小的Tensor张量
2.根据给定的输入numpy数组创建一个指定大小的Tensor张量