PyTorch随笔-3
特定数据类型的tensor可以被构造,通过 torch.dtype和/或torch.device,对于构造函数或张量创建操作。
>>> cuda0 = torch.device('cuda:0')
>>> torch.ones([2, 4], dtype=torch.float64, device=cuda0)
tensor([[ 1.0000, 1.0000, 1.0000, 1.0000],[ 1.0000, 1.0000, 1.0000, 1.0000]], dtype=torch.float64, device='cuda:0')
可以使用Python的索引和切片表示法访问和修改tensor的内容:
import torch
y=torch.tensor([[1,2],[3,4]])
print(y)
print(y[1,:])
print(y[:,0])
print(y[:,1])
tensor([[1, 2],[3, 4]])
tensor([3, 4])
tensor([1, 3])
tensor([2, 4])
使用 torch.Tensor.item() 从包含单个值的张量中获取Python数,请执行以下操作:
import torch
y=torch.tensor([[1,2],[3,4]])
print(y)print(y[1,1].item())
tensor([[1, 2],[3, 4]])
4
可以使用requires_grad=True创建张量,以便torch.autograd记录对它们的操作以进行自动区分。
import torch
x = torch.tensor([[1., 2.], [3., 4.]], requires_grad=True)
out = x.pow(2).sum()
out.backward()
print(x.grad)
tensor([[2., 4.],[6., 8.]])
每个 tensor 都有一个相关的 torch.Storage,,它保存数据。tensor类还提供了存储的多维、跨视图,并定义了对存储的数字操作。
改变tensor的方法用下划线后缀标记。例如,torch.FloatTensor.abs_()就地计算绝对值并返回修改后的张量,而torch.FloatTensor.abs_()以新的tensor张量计算结果。
改变现有的张量 torch.device 和/或torch.dtype,考虑对张量使用to()方法。
当前执行的 torch.Tensor 引入内存开销,因此在具有许多小张量tensor的应用程序中可能会导致意外的高内存使用率
PyTorch随笔-3相关推荐
- PyTorch随笔-5
一. 1.PyTorch简介 PyTorch是一个优化的张量库,2017年1月,由Facebook人工智能研究院(FAIR)基于Torch推出,它是一个基于Python的可续计算包,可使用gpu和cp ...
- PyTorch随笔-0
http://torch.ch/ What is Torch? Torch是什么? Torch is a scientific computing framework with wide suppor ...
- pytorch随笔-6
是否为复数,tensor大小 . #/usr/bin/env python3 # -*- coding: utf-8 -*-import torchx_data = torch.tensor([[12 ...
- PyTorch随笔-4
import torch print(torch.zeros(2,3,2)) print(torch.ones(2,4)) print(torch.eye(5))#对象线为1,其余为0,单位矩阵 pr ...
- PyTorch随笔-2
torch.Tensor 是torch.FloatTensor的别名. tensor可用Python list或sequence 使用torch.tensor()进行构造. import torch ...
- PyTorch随笔-1
CLASS torch.Tensornew_tensor(data, dtype=None, device=None, requires_grad=False) → Tenso 创建张量有几种主要方法 ...
- PyTorch随笔 - Automatic Differentiation 自动微分
面试题: 函数:f(1) = x, f(n+1) = 4*f(n)*(1-f(n)) 实现f(4)的函数,当x=2时,f(4)的值是多少,导数(微分)值是多少? 即: def func(x, k):. ...
- PyTorch随笔 - Sequential 和 ModuleList 的简要介绍
module.py Module Class,继承于torch.nn.Module train()函数:train(mode=True),当前self.training=True,所有子模块child ...
- [源码解析] PyTorch 流水线并行实现 (1)--基础知识
[源码解析] PyTorch 流水线并行实现 (1)–基础知识 文章目录 [源码解析] PyTorch 流水线并行实现 (1)--基础知识 0x00 摘要 0x01 历史 1.1 GPipe 1.2 ...
最新文章
- 前端:JS中JSON对象和String转换
- [学习笔记]51单片机
- 判定重大风险有哪几种_化工生产安全管理信息化平台可以解决哪些重大问题
- jooq_jOOQ API设计缺陷的怪异事件
- camera.swf java_java调用摄像头保存图片上传功能
- 今天起高考能查分了!这种方式超方便的
- IP地址的分类和层次
- VC++中OpenGL的配置
- 容器技术Docker K8s 36 容器服务ACK基础与进阶-应用与发布管理
- 【闲趣】如何用C语言画出一棵圣诞树
- 180亿美元估值,快手用什么来支撑?
- python爬虫requests源码链家_python爬虫:爬取链家深圳全部二手房的详细信息
- nginx修改主目录、主页
- css样式匹配苹果个型号手机
- 数据仓库数据存储与处理
- 【无标题】黑炫酷的监控界面,实际上是用了什么开源工具?
- linux u8 u16 u32 u64,C 语言printf打印各种数据类型的方法(u8/s8/u16/s16.../u64/doub
- cocos2dx 背包界面的实现
- 生而为人,我很抱歉 ——《人间失格》
- 基于HTML和css的静态网页仿写
热门文章
- 实例对象静态对象实例方法静态方法
- 2018-07-17-Python全栈开发day28-描述符应用与类的装饰器-part1
- css3的新特性transform,transition,animation
- LINQ to SQL语句(1)之Where(抄的好)
- OpenGL OBJ模型加载.
- iphone开发中的一些小技
- [原创]位运算符实现两个整数加法运算
- BZOJ 4066: 简单题
- 如果添加1条数据会等待10秒,你愿意等吗
- Android KitKat 4.4 Wifi移植AP模式和网络共享的调试日志