torch.Tensorの基本操作（作成、演算、形状変更など）

PyTorchにおけるtorch.Tensorは、NumPyのndarrayと類似した多次元配列であり、機械学習モデルのデータ保持や演算処理の中心的な役割を果たします。以下に、torch.Tensorの基本操作として「作成」「演算」「形状変更」などを中心に詳しく説明します。

---

1. Tensorの作成

1.1 データから直接作成

python
import torch

x = torch.tensor([1.0, 2.0, 3.0])  # 1次元テンソル
y = torch.tensor([[1, 2], [3, 4]])  # 2次元テンソル

1.2 特定の値を持つTensor

python
torch.zeros(3, 4)       # 3×4のゼロテンソル
torch.ones(2, 2)        # 2×2のすべて1のテンソル
torch.full((2, 3), 5)   # すべて5のテンソル
torch.eye(3)            # 単位行列（3×3）

1.3 ランダムな値で作成

python
torch.rand(2, 2)        # 一様分布 [0, 1)
torch.randn(2, 2)       # 標準正規分布 N(0, 1)
torch.randint(0, 10, (2, 3))  # 整数値 [0, 10)

1.4 他のテンソルから作成

python
a = torch.ones(2, 3)
b = torch.empty_like(a)     # 同じサイズ、未初期化
c = torch.rand_like(a)      # 同じサイズでランダム値

---

2. Tensorの演算

2.1 要素ごとの演算

python
a = torch.tensor([1, 2, 3])
b = torch.tensor([4, 5, 6])

c = a + b         # 加算
d = a * b         # 乗算（要素ごと）
e = a ** 2        # 累乗

2.2 行列演算

python
A = torch.tensor([[1., 2.], [3., 4.]])
B = torch.tensor([[5., 6.], [7., 8.]])

C = torch.matmul(A, B)   # 行列積
D = A @ B                # 同じく行列積（Python 3.5以降）

2.3 統計的演算

python
x = torch.tensor([[1., 2.], [3., 4.]])

x.sum()         # 合計
x.mean()        # 平均
x.max()         # 最大値
x.min()         # 最小値
x.std()         # 標準偏差

---

3. 形状変更（Reshape）

3.1 view() と reshape()

python
x = torch.arange(6)  # tensor([0, 1, 2, 3, 4, 5])
x = x.view(2, 3)     # (2, 3) に変形
# または
x = x.reshape(3, 2)  # (3, 2) に再変形

3.2 次元の追加と削除

python
x = torch.tensor([1.0, 2.0, 3.0])

x_unsqueezed = x.unsqueeze(0)  # shape: (1, 3)
x_squeezed = x_unsqueezed.squeeze(0)  # shape: (3,)

3.3 転置と次元の入れ替え

python
x = torch.tensor([[1, 2], [3, 4]])
x_t = x.t()                # 転置（2次元のみ）

y = torch.rand(2, 3, 4)
y_perm = y.permute(2, 0, 1)  # 次元を並べ替え

---

4. Tensorの属性とデバイス管理

python
x = torch.tensor([[1, 2], [3, 4]], dtype=torch.float32)

x.shape         # torch.Size([2, 2])
x.dtype         # torch.float32
x.device        # CPU or CUDA

# GPUへの転送
if torch.cuda.is_available():
    x = x.to("cuda")

---

まとめ

PyTorchのtorch.Tensorは、配列の操作性とGPU対応を両立する強力なデータ構造です。基本的な作成・演算・形状変更は、機械学習モデルの実装やデータ前処理において頻繁に使われるため、確実に理解しておくことが重要です。必要に応じて、NumPyと連携させたり、GPU上で高速処理することも可能です。