三维Tensor维度分析,举例mask[0,:],mask[:,:,0],mask[:,0,:]
设三维张量的shape是x、y、z,则可理解为它是由x个二维张量构成,每个二维张量由y个一维张量构成,每个一维张量由z个标量构成。
三种颜色分别代表三个维度.
import torch
torch.manual_seed(seed=20200910)
a = torch.randn(3,4,5)
mask = a > 1.5
print(mask)
print(mask[0,:]) # 索引第0个矩阵
print(mask[:, :, 0]) # 索引每个矩阵,取得每行中的第1个元素.即每个矩阵的第1列
print(mask[:, 0, :]) # 索引每个矩阵,取得每列中的第1个元素.即每个矩阵的第1行
print(mask[1, 1, 1]) # 索引第二个矩阵的第一行,第二个元素
print(mask[1, ::2, ::2]) # 索引第二个矩阵,行和列都是每隔两个取一个
>>>mask:
tensor([[[False, True, True, False, False],[False, False, False, False, True],[False, False, True, False, False],[False, True, False, False, False]],[[False, False, False, False, False],[False, False, False, False, False],[False, False, False, True, True],[False, False, False, False, False]],[[ True, False, False, False, False],[False, False, False, False, False],[False, False, False, False, False],[False, False, False, False, False]]])>>>mask[0,:]:# 索引第0个矩阵
tensor([[False, True, True, False, False],[False, False, False, False, True],[False, False, True, False, False],[False, True, False, False, False]])========================================================================================================>>>mask:
tensor([[[False, True, True, False, False],[False, False, False, False, True],[False, False, True, False, False],[False, True, False, False, False]],[[False, False, False, False, False],[False, False, False, False, False],[False, False, False, True, True],[False, False, False, False, False]],[[ True, False, False, False, False],[False, False, False, False, False],[False, False, False, False, False],[False, False, False, False, False]]])>>>mask[:, :, 0] # 索引每个矩阵,取得每行中的第1个元素.即每个矩阵的第1列
tensor([[False, False, False, False],[False, False, False, False],[True, False, False, False]])========================================================================================================>>>mask:
tensor([[[False, True, True, False, False],[False, False, False, False, True],[False, False, True, False, False],[False, True, False, False, False]],[[False, False, False, False, False],[False, False, False, False, False],[False, False, False, True, True],[False, False, False, False, False]],[[ True, False, False, False, False],[False, False, False, False, False],[False, False, False, False, False],[False, False, False, False, False]]]) >>>mask[:, 0, :] # 索引每个矩阵,取得每列中的第1个元素.即每个矩阵的第1行
tensor([[False, True, True, False, False],[False, False, False, False, False],[True, False, False, False, False]])>>> mask[1, 1, 1] # 索引第二个矩阵的第一行,第二个元素
tensor(False)>>> mask[1, ::2, ::2] # 索引第二个矩阵,行和列都是每隔两个取一个
tensor([[False, False, False],[False, False, True]])
print(mask.sum(dim=0,keepdim=True))
print(mask.sum(dim=1,keepdim=True))
print(mask.sum(dim=2,keepdim=True))
>>>mask:
tensor([[[False, True, True, False, False],[False, False, False, False, True],[False, False, True, False, False],[False, True, False, False, False]],[[False, False, False, False, False],[False, False, False, False, False],[False, False, False, True, True],[False, False, False, False, False]],[[ True, False, False, False, False],[False, False, False, False, False],[False, False, False, False, False],[False, False, False, False, False]]])>>> mask.sum(dim=0,keepdim=True)
tensor([[[1, 1, 1, 0, 0],[0, 0, 0, 0, 1],[0, 0, 1, 1, 1],[0, 1, 0, 0, 0]]])
========================================================================================================>>>mask:
tensor([[[False, True, True, False, False],[False, False, False, False, True],[False, False, True, False, False],[False, True, False, False, False]],[[False, False, False, False, False],[False, False, False, False, False],[False, False, False, True, True],[False, False, False, False, False]],[[ True, False, False, False, False],[False, False, False, False, False],[False, False, False, False, False],[False, False, False, False, False]]])>>> mask.sum(dim=1,keepdim=True)
tensor([[[0, 2, 2, 0, 1]],[[0, 0, 0, 1, 1]],[[1, 0, 0, 0, 0]]])========================================================================================================>>>mask:
tensor([[[False, True, True, False, False],[False, False, False, False, True],[False, False, True, False, False],[False, True, False, False, False]],[[False, False, False, False, False],[False, False, False, False, False],[False, False, False, True, True],[False, False, False, False, False]],[[ True, False, False, False, False],[False, False, False, False, False],[False, False, False, False, False],[False, False, False, False, False]]])>>> mask.sum(dim=2,keepdim=True)
tensor([[[2],[1],[1],[1]],[[0],[0],[2],[0]],[[1],[0],[0],[0]]])
三维Tensor维度分析,举例mask[0,:],mask[:,:,0],mask[:,0,:]相关推荐
- C语言qsort()函数针对:整型、单个字符、字符串、结构体,超详细讲解(多维度分析举例,小白一看就懂!!!!!)
目录 一.前言 二.qsort()函数
- 多个tensor合并成一个——四个三维tensor合成一个四维tensor——四个[3,512,1024]变成[4,3,512,1024]
仅作为记录,大佬请跳过. 四个[3,512,1024]变成[4,3,512,1024]: --先将[3,512,1024]用torch.unsqueeze(),变成[1,3,512,1024] --用 ...
- 重磅资源|Pytorch1.0版本的Mask R-CNN的Facebook的官方实现
[导读]Facebook刚刚放出的基于Pytorch1.0版本的Faster R-CNN,Mask R-CNN的benchmark,比detectron更快,准确率更高. 项目地址: https:// ...
- python以三维tensor为例详细理解unsqueeze和squeeze函数
python以三维tensor为例理解unsqueeze和squeeze函数 一.建立一个二维tensor import torch as t a = t.arange(0,6) b = a.view ...
- [spm操作] 什么是mask,如何做mask(未完)
本帖作为 <用Matlab和SPM批量处理被试的经验总结> 的一部分 目录贴请见 http://home.52brain.com/forum.ph ... =1&extra=#pi ...
- Pytorch中tensor维度和torch.max()函数中dim参数的理解
Pytorch中tensor维度和torch.max()函数中dim参数的理解 维度 参考了 https://blog.csdn.net/qq_41375609/article/details/106 ...
- torch.cat()函数 ,关于四维tensor维度合并。
引言:看了关于torch.cat函数的文章,有点乱,自己总结一篇,关于四维tensor合并. 一张图像在计算机中的表示通常为三维tensor(张量),即[channels,height,width] ...
- pytorch reshape_pytorch常用总结 之 tensor维度变换
小白最近刚开始使用pytorch,经常需要在各个网站反复查询一些函数的区别.但是不同的博客说的有时候不一样,趁着实验室停电,小白写了这篇文章,方便自己食用,不定期更新.如有错误,欢迎大家热烈指正. 第 ...
- 判断用户是否存在再进行新增_基于tableau从商业分析模型角度对业务数据进行多维度分析--【商业分析类】...
基于tableau从商业分析模型角度对业务数据进行多维度分析 常规商业数据分析方法: 财务多维指标 客户生命周期 客户价值RFM 客户留存分析 购物篮关联分析 漏斗转化ABtest 以下内容主要从商业 ...
最新文章
- iOS - UnitTests 单元测试
- Jbuilder9 + WebLogic8.1的基本配置
- git用.gitignore忽略指定文件
- python爬虫实战:利用scrapy,短短50行代码下载整站短视频
- 2020-11-10(回传递过程)
- arcgis超级工具密码_浏览器的自动保存密码是如何将我们的密码泄露的?
- JSON 之 SuperObject(17): 实例 - 借用 Google 实现全文翻译
- 互联网日报 | 6月4日 星期五 | 蚂蚁消费金融获批开业;腾讯云四个国际数据中心同步开服;滴滴App上线“老人打车”模式...
- linux查看磁盘io性能
- ib交换机 postgresql_postgresql关于访问视图需要的权限
- Ratingbar UseGuide
- 【解决方案】K2 BPM_赋能房地产业务高效运营_全球领先的工作流引擎
- 微波雷达感应模块,智能马桶传感方案,智能化生活
- 笔记本电脑进水怎么办?
- 计算机连接苹果手机不能找到照片目录,苹果手机上照片在电脑找不到了怎么办...
- 基于射频技术的门禁管理系统
- 解决windows 10在联网时依旧无法安装3DMAX2014
- 初学EGE图形库(零)---从零开始CodeBlocks安装配置使用EGE图形库
- hadoop2.x学习01
- Android studio adb 不是内部或外部指令,也不是可运行的程序
热门文章
- c++入门(文件操作)
- php变量与数据类型,php 数据类型和变量
- JAXB解析XML为对象
- 重庆理工大学计算机学院学概率论,重庆理工大学概率论与数理统计习题册答案...
- uniapp-h5+获取通知栏权限
- 如何在线免费合并PDF?
- led可见光通信直方图均衡matlab,基于高通滤波和直方图均衡的钢轨裂纹红外图像增强技术...
- 安全需求识别规范--模板
- 成都市2016年11月滴滴订单od数据
- 护士进修计算机水平,护理人员进修申请表中的本人专业水平怎么写?