Tensor的Broadcasting操作

针对tensorflow2.0版本

Broadcasting的主要特点：expand without copying data（扩展了维度，但是不复制数据，不占用内存空间）

（1）隐式的Broadcasting

tensor的一些操作符已经包含了Broadcasting，比如下面这个：

In [3]: a = tf.random.normal([4,28,28,3])In [4]: b = tf.random.normal([3])In [5]: (a+b).shape
Out[5]: TensorShape([4, 28, 28, 3])

随机两个矩阵a，b，但矩阵维度不一致，当a+b时，系统会自动扩展b的维度（不复制数据，不增加内存），以能够与a相加。

（2）显示的Broadcasting（tf.broadcast_to）

In [6]: c = tf.broadcast_to(tf.random.normal([4,1,1,1]),[4,28,28,3])In [7]: c.shape
Out[7]: TensorShape([4, 28, 28, 3])

使用tf.broadcast_to函数手动使c的维度扩展。

（3）Broadcasting与tf.tile的区别

功能相近，但是tf.tile是复制数据，需占用内存，Broadcasting不用。

Tensor的Broadcasting操作相关推荐

torch对于tensor的常规操作
前言使用pytorch框架,会常操作tensor,以下则是对tensor常规操作的汇总. import torch torch.Tensor会继承某些torch的某些数学运算,例如sort, min ...
pytorch小知识点（三）-------Tensor的indices操作
一.Tesnor 先简单介绍一下Tensor.Tensor是pytorch的核心,它是一个包含单一数据类型的多维矩阵. pyTorch定义了七种CPU tensor类型和八种GPU tensor类型: ...
torch.Tensor常用数据操作汇总与自动求梯度
在深度学习中,通常会频繁地对数据进行操作,在PyTorch中,torch.Tensor是存储和变换数据的主要工具(Tensor和NumPy的多维数组非常类似,Tensor提供GPU计算和自动求梯度等更 ...
Tensor:逐元素操作
逐元素操作这部分操作会对tensor的每一个元素(point-wise,又名element-wise)进行操作,此类操作的输入与输出形状一致.常用的操作如表3-4所示. 表3-4: 常见的逐元素操作 ...
pytorch张量(tensor)常用高级操作函数
张量创建张量拼接.切分.索引和变换 torch.cat(),torch.concentrate(),torch.concat() 注:这三个函数是等价的函数:torch.cat(tensors, ...
【PyTorch系例】torch.Tensor详解和常用操作
学习教材: 动手学深度学习 PYTORCH 版(DEMO) (https://github.com/ShusenTang/Dive-into-DL-PyTorch) PDF 制作by [Marcus ...
pytorch基础操作学习笔记（autograd，Tensor）
简述简单讲讲关于torch.autograd内容(因为我也有点菜) 文章目录简述简单讲讲 Tensor 介绍Tensor 创建Tensor 获取Tensor数据规模将tensor转成其他数据类 ...
深度学习（9）TensorFlow基础操作五: Broadcasting
深度学习(9)TensorFlow基础操作五: Broadcasting 1. 操作思想 2. 具体例子 3. 理解 (1) How to understand? (2) Why Broadcasti ...
Pytorch(2)-tensor常用操作
tensor常用数学操作 1. 随机数 1.1 torch.rand() - 均匀分布数字 1.2 torch.randn() - 正态分布数字 2. 求和 2.1 torch.sum(data, d ...

Tensor的Broadcasting操作

Tensor的Broadcasting操作相关推荐

最新文章

热门文章