pytorch torch.cumsum(input, dim, out=None)函数(沿轴逐级累加)
torch.cumsum(input, dim, out=None) → Tensor
返回输入沿指定维度的累积和。例如,如果输入是一个N元向量,则结果也是一个N元向量,第i 个输出元素值为 yi=x1+x2+x3+…+xi
参数:
- input (Tensor) – 输入张量
- dim (int) – 累积和操作的维度
- out (Tensor, optional) – 结果张量
例子:
>>> a = torch.randn(10)
>>> a-0.6039
-0.2214
-0.3705
-0.01691.3415
-0.12300.97190.6081
-0.12861.0947
[torch.FloatTensor of size 10]>>> torch.cumsum(a, dim=0)-0.6039
-0.8253
-1.1958
-1.21270.12880.00580.97771.58581.45722.5519
[torch.FloatTensor of size 10]
参考文章:https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch/#torchcumsum
pytorch torch.cumsum(input, dim, out=None)函数(沿轴逐级累加)相关推荐
- torch.unsqueeze(input, dim)函数
函数调用形式:torch.unsqueeze(input, dim) → Tensor 功能: 在指定位置 dim 插入一个大小为1的维度 input: old tensor dim: 插入维度的位置 ...
- torch.gather(input, dim, index, *, sparse_grad=False, out=None) → Tensor
torch.gather(input, dim, index, *, sparse_grad=False, out=None) → Tensor 沿dim指定的轴聚集值. 对于三维张量,输出由以下公式 ...
- pytorch torch.norm(input, p=2) → float、torch.norm(input, p, dim, out=None) → Tensor(求范数)
torch.norm 用法1: torch.norm(input, p=2) → float 返回输入张量input 的p 范数. 参数: input (Tensor) – 输入张量 p (float ...
- 剖析 | torch.cumsum维度详解
最近看别人代码的时候看到这么一个函数,一看吧,感觉是个求和的函数,毕竟有sum这种,可能性还是比较大,于是准备深入看看,具体是干嘛的. 1.写法.先不管结果如何,代码得先写出来. 函数原型: torc ...
- torch.cumsum(),torch.sum()
1.torch.cumsum(input, dim, *, dtype=None, out=None) → Tensor 返回维度 dim 中输入元素的累积和 >>> import ...
- pytorch torch.narrow
取指定维度的数据 应用 >>> x = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) >>> torch.narr ...
- pytorch torch.unsqueeze
squeeze的反向操作,增加size=1的维度 应用 >>> x = torch.tensor([1, 2, 3, 4]) >>> torch.unsqueeze ...
- pytorch torch.squeeze
将size=1的维度去掉,默认去掉全为size=1,可以指定具体的 应用 >>> x = torch.zeros(2, 1, 2, 1, 2) >>> x.size ...
- torch.prod(input, *, dtype=None)
torch.prod(input, *, dtype=None) → Tensor 返回 input 张量中所有元素的乘积. torch.prod(input, dim, keepdim=False, ...
最新文章
- js实现数据结构及算法之二叉树(Binary Tree)
- 一次 sql 优化经历,太有趣了!
- Gerrit评审报错[remote rejected] develop- refs/for/develop(no new changes)
- ***某知名网络安全公司
- yarn add webpack webpack-cli 报错
- oracle oemrpt数据库显现
- Html5添加audio音频播放器插件教程
- NodeMCU实现远程控制LED灯
- 谈谈Mysql主从同步延迟分析及解决方案
- 接待员如何向客人upsell_酒店前厅部概述-.ppt
- c++编写函数判断整数的位数
- Windows热键注册原理
- qcloud-ocr
- 王兴:为什么中国的To B企业都活得这么惨?(演讲全文)
- loadrunner中关联到的信息需要拼接时的例子-订飞机票
- PCB设计时应该考虑的几个问题
- 【传感器大赏】压电薄膜震动传感器
- 龙测独家AI全新功能上线,手机无感录制,AI自动生成测试用例
- cleanmymac废纸篓垃圾桶模块主要功能介绍
- 概率中的独立与相关:相互独立、条件独立、协方差、相关系数