import torch

# 生成一个3x3的标准正态分布随机张量
random_tensor = torch.randn(3, 3)
print("随机张量:\n", random_tensor)

随机张量:
 tensor([[-0.9343, -0.3254,  0.6991],
        [-1.7157,  1.7171, -0.4322],
        [ 0.6004, -1.1050, -0.2178]])

# 生成一个形状为(2, 4)的随机张量
random_tensor_2 = torch.randn(2, 4)
print("\n2x4随机张量:\n", random_tensor_2)

2x4随机张量:
 tensor([[-0.0638, -0.6070,  0.0341, -0.5346],
        [-2.1379, -0.5141,  0.0484,  0.0098]])

# 标量与张量相加（广播）
tensor_a = torch.tensor([[1, 2], [3, 4]])
scalar = 5
result = tensor_a + scalar  # 标量5会被广播成[[5,5],[5,5]]
print("\n标量广播加法:\n", result)

标量广播加法:
 tensor([[6, 7],
        [8, 9]])

# 不同形状张量相加
tensor_b = torch.tensor([[10], [20]])  # 形状(2,1)
result = tensor_a + tensor_b  # tensor_b会被广播成[[10,10],[20,20]]
print("\n不同形状张量加法:\n", result)

不同形状张量加法:
 tensor([[11, 12],
        [23, 24]])

# 标量与张量相乘（广播）
result = tensor_a * 2  # 标量2会被广播成[[2,2],[2,2]]
print("\n标量广播乘法:\n", result)

标量广播乘法:
 tensor([[2, 4],
        [6, 8]])

# 不同形状张量相乘
tensor_c = torch.tensor([100, 200])  # 形状(2,)
result = tensor_a * tensor_c  # tensor_c会被广播成[[100,200],[100,200]]
print("\n不同形状张量乘法:\n", result)

不同形状张量乘法:
 tensor([[100, 400],
        [300, 800]])

@浙大疏锦行