python选取tensor某一维_Pytorch的Tensor操作(1)

2024-05-12 05:09:43

类型推断

torch.randn()：随机初始化

a.type()：返回类型

type()：返回基本类型

isinstance() ：检查类型

cuda会影响数据类型

标量

维度(dimention)为0的标量

标量的shape：

返回类型为【】(空的list)，返回长度也为0

a.dimension()也为0

Dim1

torch.tensor() ：输入具体数据

torch.FloatTensor() ：输入类型大小

Dim1的shape

Dim2

Dim3

Dim4(一般用于图像)

创建Tensor

import from numpy

从numpy转化为tensor类型，数据类型(float)不变，变量类型(np→numpy)变了

生成未初始化tensor

设置默认类型

随机初始化

torch.rand() ：随机采样【0,1】之间的数

torch.rand_like(a)：采样出与a相同类型的tensor

torch.randint(min,max,[type])：不包含最大值

正态分布随机初始化

torch.normal(mean,std)：自定义的正态分布，需要给出相同数量的均值和方差

重复填充

torch.full()：类型为[]时,表示生成的为标量

范围

torch.arange()：生成不包含最大值的等差数列

torch,linspace(min,max,steps= )：包含最大值，steps是切分后的数量

全1/零/单位矩阵

torch.eye()：中如果不是方阵，多余部分为0

随机打散

torch.randperm()：生成不包含最大值的索引

下面对第一维进行shuffle，randperm中的参数必须与类型的第一维相同。a和b的idx相同，防止匹配错误

下图表示，randperm中定义需要两个索引时，分别返回a b的对应索引值

切片和索引

索引

取不到“ ：”后的元素

-1表示最后一个元素

分段采样

出现两个“：”表示的是：start ：end ：step(默认为1,为1可省略)

指定维度采样

“ ...”：表示同时取多个维度，只能全选或已知前后具体采样维度，剩下的全选，某一维度取“1”时，会自动降维

根据MASK选择

先根据条件，得到一定的掩码，根据满足条件的掩码值重新在原始数据中进行选择

铺展(Flatten)索引值

纬度变化

View Reshape

增维(Unsqueeze)

下面的a为标量，在第0维与第1维添加维度后，分别会变为[1,2] [2,1]

下面是bias向权重类型变化过程

降维(squeeze)

如果没有具体参数，将去除所有为“1”的维度

带有参数，将对对应维度进行去除

扩展(expand)

总维度必须相同，且只能从1维度扩展到指定维度或直接相同

“-1”保持原来维度不变

重复(repeat)

与expand参数不同，每个维度的值表示对对应维度进行的重复次数。

矩阵转置(transpose)

下面两行函数说明，即使前后的总体数据类型的大小相同，但是相同维度所表示的意义也进行了交换，因此不再表示同一Tensor

permute

可以自动调用transpose，并保证维度顺序的顺利交换

本文地址：https://blog.csdn.net/qq_42518956/article/details/107621610

希望与广大网友互动？？

点此进行留言吧！

python选取tensor某一维_Pytorch的Tensor操作(1)相关推荐

判定两个tensor维度相同_Pytorch之Tensor大详解
导语深度学习框架Pytorch发展势头惊人,这点小编也深有体会,翻翻Github上深度学习的开源代码,发现用Pytorch真的多了不少,所以小编最近也正在入坑Pytorch,顺便写写文章做些总结.认 ...
tensor数据类型转换_PyTorch的tensor数据类型及其相关转换
1 基本类型 PyTorch的数据类型为各式各样的tensor,tensor可以理解为高维矩阵,与Numpy中的array类似. PyTorch中的tensor包括CPU上的数据类型和GPU上的数据类 ...
python中不同类型的数据不能相互运算_PyTorch中Tensor的数据类型和运算的使用
在使用Tensor时,我们首先要掌握如何使用Tensor来定义不同数据类型的变量.Tensor时张量的英文,表示多维矩阵,和numpy对应,PyTorch中的Tensor可以和numpy的ndarra ...
pytorch 给tensor增加一维(unsqueeze)或删除一维(squeeze)
给tensor增加一维 b = a.unsqueeze(0) import torcha = torch.randn(3, 200, 200) b = a.unsqueeze(0) print(a.s ...
tensor转换为图片_pytorch 实现张量tensor,图片,CPU,GPU,数组等的转换
1, 创建pytorch 的Tensor张量: torch.rand((3,224,224)) #创建随机值的三维张量,大小为(3,224,224) torch.Tensor([3,2]) #创建张量 ...
Tensor to img imge to tensor （pytorch的tensor转换）
Tensor to img && imge to tensor 在pytorch中经常会遇到图像格式的转化,例如将PIL库读取出来的图片转化为Tensor,亦或者将Tensor转化为n ...
python中fn的用法_Pytorch技巧:DataLoader的collate_fn参数使用详解
DataLoader完整的参数表如下: class torch.utils.data.DataLoader( dataset, batch_size=1, shuffle=False, sampler ...
python构造自定义数据包_pytorch中的自定义数据处理详解
pytorch在数据中采用Dataset的数据保存方式,需要继承data.Dataset类,如果需要自己处理数据的话,需要实现两个基本方法. :.getitem:返回一条数据或者一个样本,obj[in ...
TypeError: can‘t convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory
项目场景: 运行程序,出现报错信息 TypeError: can't convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor ...

最新文章

热门文章