API pytorch tensorflow
pytorch与tensorflow API速查表
| 方法名称 | pytroch | tensorflow | numpy |
|---|---|---|---|
| 裁剪 | torch.clamp(x, min, max) | tf.clip_by_value(x, min, max) | np.clip(x, min, max) |
| 取最大值 | torch.max(x, dim)[0] | tf.max(x, axis) | np.max(x, axis) |
| 取最小值 | torch.min(x, dim)[0] | tf.min(x, axis) | np.min(x , axis) |
| 取两个tensor的最大值 | torch.max(x, y) | tf.maximum(x, y) | np.maximum(x, y) |
| 取两个tensor的最小值 | torch.min(x, y) | torch.minimum(x, y) | np.minmum(x, y) |
| 取最大值索引 | torch.max(x, dim)[1] | tf.argmax(x, axis) | np.argmax(x, axis) |
| 取最小值索引 | torch.min(x, dim)[1] | tf.argmin(x, axis) | np.argmin(x, axis) |
| 比较(x > y) | torch.gt(x, y) | tf.greater(x, y) | np.greater(x, y) |
| 比较(x < y) | torch.le(x, y) | tf.less(x, y) | np.less(x, y) |
| 比较(x==y) | torch.eq(x, y) | tf.equal(x, y) | np.equal(x, y) |
| 比较(x!=y) | torch.ne(x, y) | tf.not_equal(x, y) | np.not_queal(x , y) |
| 取符合条件值的索引 | torch.nonzero(cond) | tf.where(cond) | np.where(cond) |
| 多个tensor聚合 | torch.cat([x, y], dim) | tf.concat([x,y], axis) | np.concatenate([x,y], axis) |
| 堆叠成一个tensor | torch.stack([x1, x2], dim) | tf.stack([x1, x2], axis) | np.stack([x, y], axis) |
| tensor切成多个tensor | torch.split(x1, split_size_or_sections, dim) | tf.split(x1, num_or_size_splits, axis) | np.split(x1, indices_or_sections, axis) |
| – | torch.unbind(x1, dim) | tf.unstack(x1,axis) | NULL |
| 随机扰乱 | torch.randperm(n)1 | tf.random_shuffle(x) | np.random.shuffle(x)2 np.random.permutation(x)3 |
| 前k个值 | torch.topk(x, n, sorted, dim) | tf.nn.top_k(x, n, sorted) | NULL |
该方法只能对0~n-1自然数随机扰乱，所以先对索引随机扰乱，然后再根据扰乱后的索引取相应的数据得到扰乱后的数据 ↩︎
该方法会修改原值，没有返回值 ↩︎
该方法不会修改原值，返回扰乱后的值 ↩︎
API pytorch tensorflow相关推荐
- TF学习——TF之API：TensorFlow的高级机器学习API—tf.contrib.learn的简介、使用方法、案例应用之详细攻略
TF学习--TF之API:TensorFlow的高级机器学习API-tf.contrib.learn的简介.使用方法.案例应用之详细攻略 目录 tf.contrib.learn的简介 tf.contr ...
- 微信开源推理加速工具 TurboTransformers，性能超越 PyTorch/TensorFlow 与主流优化引擎
腾讯宣布开源 Transformer 推理加速工具 TurboTransformers.该工具面向自然语言处理领域中 Transformers 相关模型丰富的线上预测场景,据介绍,其在微信.腾讯云.Q ...
- 配置服务器pytorch/TensorFlow环境+远程连接vscode
前言:配置环境这种东西比较玄学,以下记录的是个人总结的一点操作经验,后续这个板块有新的问题和发现也会更新blog,欢迎评论指正和点赞支持~ 目录 关于软件下载 服务器TensorFlow.pytorc ...
- Windows RTX3090 配置Pytorch/Tensorflow CUDA 教程
1. 查询显卡驱动版本. 电脑桌面-右键-NVIDIA控制面板-帮助-系统信息-驱动程序版本: 2. 查询CUDA Toolkit版本. 前往CUDA Toolkit版本官网查看与显卡驱动程序版本相对 ...
- 检验 pytorch,tensorflow，paddle，mxnet 深度学习框架是否正确支持GPU功能
检验 pytorch,tensorflow,paddle,mxnet 深度学习框架是否正确支持GPU功能 1.pytorch 框架 import torch a = torch.cuda.is_ava ...
- 最新Anaconda 创建Python3.6，Python3.7虚拟环境，为Pytorch,tensorflow创建单独环境
最新Anaconda 创建Python3.6,Python3.7虚拟环境,为Pytorch,tensorflow创建单独环境 文章目录 最新Anaconda 创建Python3.6,Python3.7 ...
- Windows10+RTX2080Ti+cuda+cudnn+Anaconda+pytorch+tensorflow
Windows10+RTX2080Ti+cuda+cudnn+Anaconda+pytorch+tensorflow 安装的成功版 成功版的过程 vc2017 CUDA10.0+cudnn7.3.1 ...
- pytorch+tensorflow+sklearn安装教程（conda版）
pytorch+tensorflow+sklearn安装教程(conda版) conda环境创建 pytorch安装 pytorch-geometric安装 验证 tensorflow安装 sklea ...
- 安装Nvidia驱动并使用Anaconda搭建GPU环境（安装CUDA）+ PyTorch + TensorFlow + PyTorch Lightning
前言: 准备在实验室的一个服务器上用GPU的,但是这个服务器好久没有人用了,cuda还是10.0版本,需要重装cuda,嫌麻烦,然后发现Nvidia官网居然有anaconda安装CUDA的教程,所以考 ...
最新文章
- Datawhale入选DataFountain优秀组织
- 计算机组成原理ALU加法器
- 使用Flask_SQLAlchemy连接多个数据库
- 那些年Android黑科技①:只要活着，就有希望
- Redis 常用命令学四：集合类型命令
- 4g模块注册上网 移远_Openwrt支持移远4G模块过程记录
- flask框架（四）：通过局域网访问网站
- File类的mkdir()与mkdirs()方法的区别
- 计算机硬件维修教材,计算机硬件组装与维护教程(21世纪高等教育计算机规划教材)...
- PTA 1003 Emergency
- python求三个整数最大值_python 练习题：定义一个getMax()函数，返回三个数(从键盘输入的整数)中的最大值。...
- LeetCode 30. Substring with Concatenation of All Words
- java图书管理系统个人总结_总结：JAVA小项目——图书管理系统
- 威纶触摸屏与电脑连接_如何将威纶通tk6070ip触摸屏程序上传到电脑里。请大侠讲解具体步骤...
- linux数据库可视化工具_适用于Linux的数据可视化工具
- 删除 drop truncate delete
- 英语单词测试词汇量的软件,英语单词词汇量测试小程序!简直不要太准
- iit delhi_向印度最聪明的人学习—这里有来自IIT的300项免费课程即将开始
- 常用图标（icon）css下载
- clickhouse 报错 “Unmatched parentheses: (“ 或者报错 “Expected one of: CODEC, NULL, ALIAS, TTL, ClosingR