Pytorch深度学习基础之Tensor

标签:
量化投资ai |
分类: python从零实现AI量化投资系统 |
当下流行的深度学习框架,都会涉及一个基本的概念,就是张量(Tensor)。张量是什么?简单的理解,就是数据的容器。零维张量就是数字或者标量,一维张量就是向量,二维或者更高维就是矩阵。因为机器只能处理数字相关的信息,所以无论是图片还是自然语言的处理,都需要把输入信息转化为高维数字矩阵的形式。
http://s12/mw690/001rxTlvzy7lnTcbvAv1b&690
那为何需要新引入张量,而不直接使用numpy的ndarray呢?Tensor提供了一些辅助神经网络训练的功能,比ndarray更适合深度学习。
简而言之一句话,就像python里的int,float,string等数据类型一样,tensor就是深度学习框架的基本数据类型,以至于Google的深度学习框架名字就叫TensorFlow,就是“张量的流”的意思。
1.1.1.1.1 Tensor(张量)
我们初始化一个3行2列的矩阵,直接把数组直接赋值给torch.Tensor,可以通过Tensor的size函数查看张量的维度。
>>>import torch
>>> a = torch.Tensor([[1,1],[2,2],[3,3]])
>>> a
tensor([[ 1.,
>>> a.size()
torch.Size([3, 2])
在实际的应用场景中,我们难得会直接从数组中初始化Tensor,更多情况下,会初始化一个全0或全1亦或是随机初始值的特定维度的张量。
有几种常用的方法,比如得到3行2列值全为0的张量:
>>> a = torch.zeros((3,2))
>>> a
tensor([[ 0.,
比如得到3行2列的随机值的张量:
>>> b = torch.randn((3,2))
>>> b
tensor([[-0.0648, -1.2692],
对于张量内的数据访问,与numpy是一样的,直接通过索引访问和修改。
>>> b
tensor([[-0.0648, -1.2692],
>>>b[0,0]
tensor(1.00000e-02 *
>>>b[0,1]
tensor(-1.2692)
>>>b[0,1]=888
>>> b
tensor([[-6.4819e-02,
关于Pytorch的Tensor,还有重要一点,就是可以和numpy的ndarray互转。
>>>np_b = b.numpy()
>>> np_b
array([[-6.4819142e-02,
从numpy的ndarray转为torch的tensor同样简单,代码如下:
>>> a = np.array([[1,1],[2,2]])
>>> a
array([[1, 1],
>>>tensor_a = torch.from_numpy(a)
>>> tensor_a
tensor([[ 1,
张量加法有两种形式,一种是直接使用加号,另一种使用torch.add方法:
>>> a = torch.Tensor([1,1])
>>> b = torch.Tensor([2,2])
>>>a+b
tensor([ 3.,
>>>torch.add(a,b)
tensor([ 3.,
这里需要特别说明,深度学习里的张量计算,不是线性代数里的矩阵运算,而且元素直接计算,两个参与计算的张量顺序无关,比如a*b=b*a(线性代数里的矩阵是不可以的),另外是张量的元素直接加减或乘除,各张量之间行数与列数必须相同,有几个例外:
1,
>>> a
tensor([[ 1.,
>>> a+1
tensor([[ 2.,
2,
>>> a =torch.Tensor([[1,1],[2,2]])
>>> a
tensor([[ 1.,
>>>b = torch.Tensor([0.5,1.5])
>>> a*b
tensor([[ 0.5000,
3,
>>>c =
torch.Tensor([[0.5],[1.5]])
>>> a*c
tensor([[ 0.5000,
view方法,就是对矩阵进行reshape,这个方法很重要,因为多层神经网络在相互连接的时候,前后两个层的维度是需要对齐的,这时需要对tensor的size进行view:
>>> x = torch.randn(4, 4)
>>> y = x.view(-1,8) #负1表示这一个维度通过推断得到。
>>> z = x.view(16)
(torch.Size([4, 4]), torch.Size([2, 8]),torch.Size([16]))
关于作者:魏佳斌,互联网产品/技术总监,北京大学光华管理学院(MBA),特许金融分析师(CFA),资深产品经理/码农。偏爱python,深度关注互联网趋势,人工智能,AI金融量化。致力于使用最前沿的认知技术去理解这个复杂的世界。AI量化开源项目:https://github.com/ailabx/ailabx
扫描下方二维码,关注:AI量化实验室(ailabx),了解AI量化最前沿技术、资讯。