Pytorch Added

Pytorch/tensor/.idea/.gitignore

@@ -0,0 +1,3 @@
+# 默认忽略的文件
+/shelf/
+/workspace.xml

Pytorch/tensor/.idea/dictionaries/project.xml

@@ -0,0 +1,3 @@
+<component name="ProjectDictionaryState">
+  <dictionary name="project" />
+</component>

Pytorch/tensor/.idea/inspectionProfiles/profiles_settings.xml

@@ -0,0 +1,7 @@
+<component name="InspectionProjectProfileManager">
+  <settings>
+    <option name="PROJECT_PROFILE" value="Default" />
+    <option name="USE_PROJECT_PROFILE" value="false" />
+    <version value="1.0" />
+  </settings>
+</component>

Pytorch/tensor/.idea/misc.xml

@@ -0,0 +1,7 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="Black">
+    <option name="sdkName" value="eflow" />
+  </component>
+  <component name="ProjectRootManager" version="2" project-jdk-name="eflow" project-jdk-type="Python SDK" />
+</project>

Pytorch/tensor/.idea/modules.xml

@@ -0,0 +1,8 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectModuleManager">
+    <modules>
+      <module fileurl="file://$PROJECT_DIR$/.idea/tensor.iml" filepath="$PROJECT_DIR$/.idea/tensor.iml" />
+    </modules>
+  </component>
+</project>

Pytorch/tensor/.idea/tensor.iml

@@ -0,0 +1,8 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<module type="PYTHON_MODULE" version="4">
+  <component name="NewModuleRootManager">
+    <content url="file://$MODULE_DIR$" />
+    <orderEntry type="jdk" jdkName="eflow" jdkType="Python SDK" />
+    <orderEntry type="sourceFolder" forTests="false" />
+  </component>
+</module>

Pytorch/tensor/.idea/vcs.xml

@@ -0,0 +1,6 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="VcsDirectoryMappings">
+    <mapping directory="$PROJECT_DIR$/../.." vcs="Git" />
+  </component>
+</project>

Pytorch/tensor/create_numpy.py

@@ -0,0 +1,24 @@
+import numpy as np
+import torch
+
+a = np.array([1, 2, 3, 10, 9, 8, 7, 6, 5, 4])
+b = torch.from_numpy(a)
+print(b)
+
+c = torch.arange(10)
+print(c)
+print(c.dtype, c.layout, c.device)
+
+d = int(c.matmul(b))
+#不写int是tensor(274)
+e = c * b
+print(d, e)
+
+#in-place与广播
+a1 = torch.tensor([1,1,3])
+a2 = torch.tensor([1])#右对齐
+a3 = torch.add(a1, a2)
+print(a3, a3.layout)
+
+#比较
+print(torch.ge(a1, a2), torch.ne(a1, a2))

Pytorch/tensor/create_tensor.py

@@ -0,0 +1,29 @@
+import torch
+
+a = torch.tensor(([[[[0., 0., 0.],
+          [0., 0., 0.]],
+
+         [[0., 1., 0.],
+          [0., 0., 0.]]],
+
+
+        [[[0., 2., 0.],
+          [0., 0., 0.]],
+
+         [[0., 3., 0.],
+          [0., 0., 0.]]]]))
+print(a)
+
+b = torch.tensor([[3., 2., 1.], [1., 2., 3.]])
+c = torch.tensor([[1., 2., 3.], [4., 5., 6.]])
+
+print(b)
+times = b * c
+print(times)
+print(times.type())
+
+c = torch.normal(mean=1.0, std=torch.rand(5, 5))
+print(c)
+
+d = torch.randperm(10)
+print(d)

Pytorch/tensor/readme.md

@@ -0,0 +1,205 @@
+好的 😄，我给你整理一个 **PyTorch `tensor` 使用大全**，覆盖创建、操作、转换、计算等常用方法。为了系统化，我会按类别来整理，并给简单示例。
+
+---
+
+# 🟢 1. 创建 Tensor
+
+```python
+import torch
+
+# 直接从数据创建
+a = torch.tensor([1, 2, 3], dtype=torch.float32)
+
+# 全 0 / 全 1 / 全某数
+b = torch.zeros(3, 4)
+c = torch.ones(2, 5) * 7
+
+# 随机数
+d = torch.rand(3, 3)       # 0~1 均匀分布
+e = torch.randn(3, 3)      # 标准正态分布
+
+# 类似 numpy 的 arange / linspace
+f = torch.arange(0, 10, 2) # 0,2,4,6,8
+g = torch.linspace(0, 1, steps=5) # 0,0.25,0.5,0.75,1
+
+# 空 tensor（占位）
+h = torch.empty(2, 3)
+```
+
+---
+
+# 🟢 2. Tensor 属性
+
+```python
+x = torch.randn(2, 3)
+
+x.shape       # 返回 (2,3)
+x.size()      # 等同 shape
+x.dtype       # 数据类型，如 torch.float32
+x.device      # 运行设备，如 cpu 或 cuda:0
+x.numel()     # 元素总数
+x.requires_grad_(True)  # 设置是否需要梯度
+```
+
+---
+
+# 🟢 3. Tensor 运算
+
+### 3.1 基本算术
+
+```python
+a = torch.tensor([1,2,3])
+b = torch.tensor([4,5,6])
+
+c = a + b
+d = a - b
+e = a * b
+f = a / b
+g = a ** 2
+```
+
+### 3.2 矩阵运算
+
+```python
+A = torch.rand(2,3)
+B = torch.rand(3,2)
+
+C = torch.matmul(A, B)   # 矩阵乘法
+D = A @ B                # 等价写法
+E = A.T                  # 转置
+```
+
+### 3.3 统计函数
+
+```python
+x = torch.tensor([[1,2],[3,4]], dtype=torch.float32)
+
+x.sum()       # 所有元素求和
+x.mean()      # 平均值
+x.max()       # 最大值
+x.min()       # 最小值
+x.argmax()    # 最大值索引
+x.argmin()    # 最小值索引
+x.std()       # 标准差
+x.var()       # 方差
+```
+
+---
+
+# 🟢 4. Tensor 索引与切片
+
+```python
+x = torch.tensor([[1,2,3],[4,5,6]])
+
+x[0]       # 第一行
+x[:,1]     # 第二列
+x[0,2]     # 第一行第三列
+x[1,:2]    # 第二行前两列
+x[-1,-1]   # 最后一个元素
+```
+
+---
+
+# 🟢 5. Tensor 改变形状
+
+```python
+x = torch.arange(12)
+
+y = x.view(3,4)       # 改变形状 (reshape)
+z = x.reshape(3,4)    # reshape 等同 view，但更安全
+w = x.unsqueeze(0)    # 增加维度
+v = x.squeeze()       # 删除维度为1的维
+t = x.transpose(0,0)  # 交换维度
+```
+
+---
+
+# 🟢 6. Tensor 拼接与拆分
+
+```python
+a = torch.randn(2,3)
+b = torch.randn(2,3)
+
+# 拼接
+c = torch.cat([a,b], dim=0)   # 纵向拼接
+d = torch.cat([a,b], dim=1)   # 横向拼接
+
+# 堆叠（增加新维度）
+e = torch.stack([a,b], dim=0) 
+
+# 拆分
+f1, f2 = torch.chunk(c, 2, dim=0)  # 按行拆成两块
+```
+
+---
+
+# 🟢 7. Tensor 类型转换
+
+```python
+x = torch.tensor([1,2,3], dtype=torch.int32)
+
+x.float()       # 转 float
+x.double()      # 转 double
+x.long()        # 转 int64
+x.bool()        # 转 bool
+```
+
+---
+
+# 🟢 8. Tensor 与 NumPy 互转
+
+```python
+import numpy as np
+
+a = torch.tensor([1,2,3])
+b = a.numpy()              # Tensor → numpy array
+
+c = np.array([4,5,6])
+d = torch.from_numpy(c)    # numpy → Tensor
+```
+
+⚠️ 注意：共享内存，如果修改其中一个，另一个也会变。
+
+---
+
+# 🟢 9. GPU 操作
+
+```python
+x = torch.randn(2,3)
+
+device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
+x = x.to(device)
+
+y = torch.tensor([1,2,3], device=device)  # 直接在 GPU 上创建
+```
+
+---
+
+# 🟢 10. 自动求导（梯度）
+
+```python
+x = torch.tensor([2.0,3.0], requires_grad=True)
+y = x ** 2 + 3*x
+z = y.sum()
+z.backward()  # 自动求梯度
+print(x.grad) # dx
+```
+
+---
+
+# 🟢 11. 常用函数速查
+
+| 类别   | 常用函数                                          |
+| ---- | --------------------------------------------- |
+| 线性代数 | `matmul`, `mm`, `bmm`, `einsum`               |
+| 激活函数 | `relu`, `sigmoid`, `tanh`, `softmax`          |
+| 聚合函数 | `sum`, `mean`, `max`, `min`, `prod`, `cumsum` |
+| 比较函数 | `eq`, `ne`, `gt`, `lt`, `ge`, `le`            |
+| 随机函数 | `rand`, `randn`, `randint`, `randperm`        |
+| 其他   | `clone`, `detach`, `item`, `expand`, `repeat` |
+
+---
+
+如果你需要，我可以帮你整理一个 **可直接拷贝的 PyTorch Tensor 使用小抄（含示例和用法备注）**，适合放在屏幕边上快速查。
+
+你希望我帮你整理吗？