a = torch.rand(4,3,28,28) # 4张图片,3通道,高度28,宽度28a[0].shape # torch.Size([3, 28, 28]) 表示第0张图片的shape是3通道,高度28,宽度28a[0,0].shape # torch.Size([28, 28]) 表示第0张图片第0个通道的shapea[0,0,2,4].shape # tensor(0.5649) 表示第0张图片第0个通道第2行第4列的值是0.5649a[:2].shape # torch.Size([2, 3, 28, 28]) 表示取第0个和第1个图片的shape
a[:2,:1,:,:].shape # torch.Size([2, 2, 28, 28]) 表示前2个图片,第1个通道上的shape
a[:2,1:,:,:].shape # torch.Size([2, 2, 28, 28]) 表示前2个图片,第1个通道之后的shape
a[:2,-1:,:,:].shape # torch.Size([2, 1, 28, 28]) 表示前2个图片,第最后1个通道之后的shapea[:,:,0:28:2,0:28:2].shape # torch.Size([4, 3, 14, 14]) 每隔2个数据进行采样。a.index_select(0,torch.tensor([0,2])).shape # torch.Size([2, 3, 28, 28]) 在第0个维度上进行采集第0个图片和第2个图片。
a.index_select(1,torch.tensor([1,2])).shape # torch.Size([4, 2, 28, 28]) 在第1个维度上进行采集第2个通道和第3个通道
a.index_select(2,torch.arange(28)).shape # torch.Size([4, 3, 28, 28]) 在第2个维度上选取所有的行a[...].shape # torch.Size([4, 3, 28, 28])表示获取所有的维度。
a[0,...].shape # torch.Size([3, 28, 28])

PyTorch教程(三):索引与切片相关推荐

  1. 深度学习(7)TensorFlow基础操作三: 索引与切片

    深度学习(7)TensorFlow基础操作三: 索引与切片 一. 基础索引 1. Basic indexing 2. Numpy-style indexing 3. start : end 4. 切片 ...

  2. Pytorch中Tensor的索引,切片以及花式索引(fancy indexing)

    目录 理解Tensor的dim 索引 简单索引 用1维的list,numpy,tensor索引 用booltensor索引 切片 花式索引 结语 前一段时间遇到一个花式索引的问题,在搜索良久之后没有找 ...

  3. Numpy入门教程:02. 索引、切片与迭代

    背景 什么是 NumPy 呢? NumPy 这个词来源于两个单词 – Numerical和Python.其是一个功能强大的 Python 库,可以帮助程序员轻松地进行数值计算,通常应用于以下场景: 执 ...

  4. 08_索引与切片,Indexing,Python风格的索引,index_select()选择特定索引,使用...索引任意多的维度,使用mask索引,take索引

    1.8.索引与切片 1.8.1.Indexing 1.8.2.Python风格的索引 1.8.3.index_select()选择特定索引 1.8.4.使用-索引任意多的维度 1.8.5.使用mask ...

  5. pytorch教程 聊天机器人(详细注释attentionrnn输入输出shape等知识点...

    最近可能要用到seq2seq模型去解决一些轨迹预测的问题,拿pytorch教程的聊天机器人练了练手. 原文中教程已经写的比较详尽了,在此对原文教程进行一些补充说明,可能更加方便向我这样的小白入门学习. ...

  6. 【TensorFlow2.0】(3) 索引与切片操作

    各位同学好,今天我和大家分享一下TensorFlow2.0中索引与切片.内容有: (1) 给定每一维度的索引来获取数据:(2) 切片索引:(3) 省略号应用:(4) tf.gather() 方法:(5 ...

  7. python 字符串,字符串运算,比较,索引,切片等

    一: 字符串: str 作用:用来记录文本信息, 字面值表示方法:用引号括起来的部分都是字符串. '' 单引号 "" 双引号 ''' 三引号 """ ...

  8. 【Python】掌握Python中的索引和切片

    作者 | Giorgos Myrianthous 编译 | VK 来源 | Towards Data Science 在Python中,像字符串或列表这样的有序序列的元素可以通过它们的索引单独访问.这 ...

  9. 【深度学习】Github上标星1.1W的PyTorch教程,我们给您搬来了

    之前给大家推过TensorFlow的入门教程,大家纷纷表示"搞研究用PyTorch它不香嘛?" 行,那说干就干.我们马上去Github上,给大家搬来了一本开源的PyTorch教程& ...

  10. pytorch教程龙曲良11-15

    11创建tensor02 randn一般是均值为0,方差为1的正态分布N(0,1),也可以自定义N(u,std)用torch.normal torch.normal(mean=torch.full([ ...

最新文章

  1. keras,在 fit 和 evaluate 中 都有 verbose 这个参数标记是否打印进度条
  2. RTEMS 4.9.4 bootcard.c 中的 boot_card 函数分析
  3. [BUUCTF-pwn]——judgement_mna_2016
  4. python cad 二次开发bom_30.Python前端基础之BOM和DOM
  5. 关于微信小程序,一些想法
  6. Maximum Mode
  7. SQLAlchemy基本使用
  8. 优雅的监听软键盘隐藏
  9. 手机上将mp4转换成amv_如何在Linux上将所有文本从大写转换为小写?
  10. php json_encode不要反斜杠,【json+encode让URL内容斜杠+不转义】
  11. calibre +obok插件,解决从kobo上买的电子书的DRM问题
  12. 怎么把pdf文件转换成word格式文档
  13. MATLAB连接MYSQL搞数据
  14. NR学习之路——3GPP组织介绍
  15. 一个计算器的C语言实现
  16. mysqld,mysqld_safe,mysql.server,mysqladmin,mysql,service mysql的理解
  17. 通过Git同步Obsidian与IOS
  18. “F5G+EIoT“构建能源物联网,助力电力物联网数据服务
  19. H3CSE路由-BGP增强配置(二)
  20. V9摄影美学三亚国际公馆2013年11月正式登陆三亚,同年12盛大开幕!

热门文章

  1. PHP7开启opcache打造强悍性能
  2. php curl伪造referer与来源IP实例
  3. mysql数据导入导出方法总结
  4. PHP的Static与Global
  5. c 窗体程序 mysql_C\C++开发MySQL程序简介(下)
  6. java实例变量可以被覆盖吗_Java继承覆盖实例变量
  7. SourceTree中如何注册atlassian账号
  8. java collections 用法_Java Collections unmodifiableCollection()用法及代码示例
  9. casperjs ajax请求,Casperjs ajax调用 - waitForResource和解析错误
  10. 计算机科学与技术属于教育技术学么,计算机教育-计算机教育与教育技术学有什么不同吗?我学的专业是计算机教育,我想 爱问知识人...