pytorch-tenor-细节

一: `tesor.view`的共享内存机制:

a = torch.rand(3, 4)
print("before a\n", a)
b = a.contiguous().view(4, 3)
print("before b\n", b)b[:, 1].fill_(0)
print("after a\n",a)
print("after b\n",b)

输出为下面可以看到共享内存的效果

before atensor([[0.0521, 0.9051, 0.5144, 0.9332],[0.0840, 0.0737, 0.1924, 0.4252],[0.9632, 0.7977, 0.4351, 0.7341]])
before btensor([[0.0521, 0.9051, 0.5144],[0.9332, 0.0840, 0.0737],[0.1924, 0.4252, 0.9632],[0.7977, 0.4351, 0.7341]])
after atensor([[0.0521, 0.0000, 0.5144, 0.9332],[0.0000, 0.0737, 0.1924, 0.0000],[0.9632, 0.7977, 0.0000, 0.7341]])
after btensor([[0.0521, 0.0000, 0.5144],[0.9332, 0.0000, 0.0737],[0.1924, 0.0000, 0.9632],[0.7977, 0.0000, 0.7341]])

二: 如果是用`mask`进行slice并进行`fill`, 则会创建新的对象.

b = torch.rand(3, 4)
a = b.contiguous().view(4, 3)
print("a:\n", a)
print("-------after-----")a[a>0.7].fill_(0)
print("a:\n", a)

输出结果如下

a:tensor([[0.6165, 0.9024, 0.3824],[0.5746, 0.4745, 0.6394],[0.0516, 0.8359, 0.6028],[0.2508, 0.0475, 0.8515]])
-------after-----
a:tensor([[0.6165, 0.9024, 0.3824],[0.5746, 0.4745, 0.6394],[0.0516, 0.8359, 0.6028],[0.2508, 0.0475, 0.8515]])

可以看到这中fill的方式连tensor自身都没改变

pytorch-tenor-细节相关推荐

Skin Lesion Classification Using CNNs with Patch-Based Attention and Diagnosis-Guided Loss Weighting
2019年我的总结,写在前面该文章,参加HAM数据集的评测,内容是皮肤病分类诊断,解决两件事 1 图像中全局局部上下文融合提出了多个patch子图的attention机制,融入了经典cnn架构中 ...
MAML复现全部细节和经验教训（Pytorch）
由于MAML作者提供的源码比较混乱,而且是由tensorflow写成.所以我写了一篇用Pytorch复现MAML的博客:MAML模型无关的元学习代码完整复现(Pytorch版).那篇博客中的复现细节已 ...
Pytorch构建网络细节总结
Pytorch构建网络细节总结 optimizer.step() 和 scheduler.step() 的区别定义: 区别: .to(device)与.cuda()的区别 .to(device) 可 ...
python读取data_Python批处理数据读取方法的细节：dataloader,Pytorch,批量,详解,DataLoader...
在训练模型的过程中,我们需要不断的读取小批量的数据样本.Pytorch提供了 data 包来读取数据.接下来我将人工生成一些数据,然后使用 data 包来处理数据. import torch impo ...
AlexNet论文解读以Pytorch实现（含论文训练细节）
AlexNet论文解读以Pytorch实现一.AlexNet背景 1.ILSVRC 2.GPU 二.AlexNet研究成果及意义 1.研究成果 2.研究意义三.AlexNet网络结构 1.网络结构 ...
pytorch中交叉熵损失函数的细节
目前pytorch中的交叉熵损失函数主要分为以下三类,我们将其使用的要点以及场景做一下总结. 类型一:F.cross_entropy()与torch.nn.CrossEntropyLoss() 输入: ...
OHEM的pytorch代码实现细节
详细解读一下OHEM的实现代码: def ohem_loss(batch_size, cls_pred, cls_target, loc_pred, loc_target, smooth_l1_sig ...
基于PyTorch的Seq2Seq翻译模型详细注释介绍（一）
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/qysh123/article/deta ...
Facebook 发布深度学习工具包 PyTorch Hub，让论文复现变得更容易
近日,PyTorch 社区发布了一个深度学习工具包 PyTorchHub, 帮助机器学习工作者更快实现重要论文的复现工作.PyTorchHub 由一个预训练模型仓库组成,专门用于提高研究工作的复现性以 ...
Transformer的PyTorch实现
Google 2017年的论文 Attention is all you need 阐释了什么叫做大道至简!该论文提出了Transformer模型,完全基于Attention mechanism,抛弃 ...

pytorch-tenor-细节

一: `tesor.view`的共享内存机制:

二: 如果是用`mask`进行slice并进行`fill`, 则会创建新的对象.

pytorch-tenor-细节相关推荐

最新文章

热门文章

pytorch-tenor-细节

一: tesor.view的共享内存机制:

二: 如果是用mask进行slice并进行fill, 则会创建新的对象.

pytorch-tenor-细节相关推荐

最新文章

热门文章

一: `tesor.view`的共享内存机制:

二: 如果是用`mask`进行slice并进行`fill`, 则会创建新的对象.