pytorch常用操作记录

已于 2022-05-04 11:21:22 修改
阅读量875 收藏
点赞数
分类专栏： # pytorch使用
于 2022-01-02 18:57:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Aldielshala/article/details/122279228
版权

pytorch 深度学习 机器学习

tensor的按维度复制，使用场景：信息检索中，因为query为一条，候选doc为多个，对query和doc算相关性分数的时候复制query。

a = torch.FloatTensor([[1,2]])# shape = [1, 2]
b = a.repeat(2, 4)#分别在各个维度上复制几次
good vegetable
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Pytorch学习记录分享9-PyTorch新闻数据集文本分类任务实战
12-27
在本“PyTorch学习记录分享9-PyTorch新闻数据集文本分类任务实战”中，我们将探讨如何利用PyTorch这一强大的深度学习框架来处理自然语言处理（NLP）中的一个常见问题——文本分类。这个项目代码和模型旨在帮助初学者...
pytorch repeat复制
dotJunz的博客
11-11 592
PyTorch中的repeat()函数可以对张量进行复制。
Pytorch 的复制函数 torch.repeat_interleave() 和 torch.repeat()
知识搬运者
03-11 5119
1、torch.repeat_interleave() repeat_interleave(self, repeats, dim) self：张量数据 repeats：需要复制的份数 dim：需要复制的维度 import torch a=torch.Tensor([[1,2,3,4], [2,3,4,5]]) print("--------------------------") print(a.repeat_interleave(2, dim=0))
TIE-EEGNet的Pytorch实现
10-18
TIE-EEGNet的创新之处在于其时间信息增强模块，可能包括特殊的卷积核设计或者时间差分操作，以捕获信号随时间的变化。 训练过程包括前向传播、损失计算、反向传播和参数更新。Pytorch提供了优化器如Adam或SGD来自动...
nano 的pytorch
05-10
4. **优化器**：PyTorch的`torch.optim`模块包含了多种常用的优化算法，如SGD、Adam、RMSprop等，它们负责根据梯度更新网络权重。 5. **数据加载**：`torch.utils.data`模块提供了解决大规模数据集处理的数据加载器...
pytorch参考总结
11-05
在定义`requires_grad=True`的张量上进行操作，系统会自动记录其运算历史，从而可以在后向传播时求取梯度。例如： ```python x = torch.ones(2, 2, requires_grad=True) y = x + 2 z = y * y * 3 out = z.mean() out...
PyTorch基础操作----Deep Learning with PyTorch英文版
07-01
只需将`requires_grad=True`设置在需要求导的张量上，PyTorch就能在运行时记录计算历史，从而在反向传播过程中计算梯度。 8. **模型训练** 在PyTorch中，模型训练通常包括前向传播、损失计算、反向传播和参数更新...
【pytorch】register_buffer的使用
wow_10086的博客
09-06 1162
自动注册: 任何类型的属性会自动成为模型的参数。nn.Module子类: 任何包含在nn.Module中的子模块（如nn.Conv2d）会自动注册为模型的一部分。需要手动注册非可训练的常量（buffers：需要使用来显式注册，它们不参与梯度计算，但会保存、加载以及转移到设备。
pytorch .int()方法介绍
最新发布
qq_27390023的博客
09-09 231
它可以将张量从其他数据类型（如浮点型、布尔型等）转换为整数类型，通常转换后的类型为。（整型），具体取决于平台和 PyTorch 的配置。是要进行数据类型转换的 PyTorch 张量。方法用于将张量的数据类型转换为整数类型。（长整型），但在某些情况下可能会是。在 PyTorch 中，
【AI】Pytorch_损失函数&优化器
励志小妹的小窝
09-03 1695
持续更新至pytorch大部分内容更完。本文已达到10w字，故按模块拆开，详见目录导航。整体框架如下损失函数及优化器。
动手学深度学习（pytorch）学习记录25-汇聚层(池化层)[学习记录]
weixin_50995339的博客
09-09 454
定义一个池化操作，X是张量，pool_size是汇聚层大小，mode默认为max即输出为输入区域的最大值，mode设置为avg时，输出为输入区域的平均值。默认情况下，深度学习框架中的步幅与汇聚窗口的大小相同，如果使用形状为(3,3)的汇聚层窗口，则得到的步幅大小为(3,3)。汇聚层和卷积层的运动方式一样，从左上角向右下角移动指定步幅，汇聚层执行的是“采样”操作。汇聚层是没有参数的。在通道维度上连结张量X和X + 1，以构建具有2个通道的输入。降低卷积层对位置的敏感性，同时降低对空间降采样表示的敏感性。
[pytorch] --- pytorch基础之模型训练套路
M2嵌入式
09-05 664
习惯上把模型单独存一个py文件里面，这里也把这个代码块存在"model.py"下。为了方便，我们这里直接使用pytorch官方的CIFAR10数据集进行训练。下面以具体实例给出上面的步骤。明确定义训练设备是GPU。
pytorch torch.topk函数介绍
qq_27390023的博客
09-04 735
在上述示例中，首先创建了一个二维张量。然后，分别在行维度和列维度上使用。函数找到最大的两个值及其索引和最小的两个值及其索引，并打印出结果。函数用于在输入张量中找到最大的。在 PyTorch 中，
Pytorch中向量和张量
qq_27390023的博客
09-04 699
向量是一种特殊的张量，其维度为 1，形状为[n]。张量是一个更广泛的概念，可以表示标量、向量、矩阵以及更高维的数组。
【PyTorch】使用容器(Containers)进行网络层管理(Module)
2301_77168269的博客
09-06 932
本文介绍PyTorch库常用的nn.Sequential，nn.ModuleList，nn.ModuleDict容器以及nn.ParameterList & ParameterDict参数容器。容器是pytorch框架对网络进行组织管理的实用工具，合理运用可以极大提高代码的可读性与可维护性。
深度马尔可夫模型deep markov 为序列数据建立一个深度概率模型:深度马尔可夫模型 pyro pytorch,python编程
09-06 2027
深度马尔可夫模型¶ 介绍¶ 我们将为序列数据建立一个深度概率模型:深度马尔可夫模型。我们想要建模的特定数据集由复调音乐片段组成。序列中的每个时间片跨越一个四分音符，由一个88维的二进制向量表示，该向量在该时间步长对音符进行编码。 由于音乐(显然)在时间上是一致的，我们需要一个模型来表示观察到的数据中复杂的时间相关性。例如，考虑这样一种模型是不合适的，在这种模型中，特定时间步的音符独立于先前时间步的音符。一种方法是建立一个潜在变量模型，其中观测值的可变性和时间结构由潜在变量的动态控制。 这个想法的一
pytorch 模型部署
西木风落
09-05 821
量化后的模型在特定CPU或者GPU上相比FP32、FP16有更高的速度和吞吐，也是部署提速方法之一。就是随机将tensor中的部分元素置为0，比如常见的dropout，附带正则化作用的同时也减少了模型的容量，从而加快了模型的推理速度。这块没研究透，后续再探；的基础上，对模型通道或者模型结构进行有目的地修剪，剪掉对模型推理贡献不是很重要的地方，保障精度下降很少或者几乎不变。先用大网络训练，然后再用大网络调教小网络，使小网络接近大网络的精度。上述AI模型部署步骤也提到，对模型进行优化，有哪些优化点呢？
torchvision.transforms.ToPILImage()使用
qq_41904729的博客
09-06 237
第一个空括号 () 用来实例化 ToPILImage 类。实例化后，就可以像函数一样使用这个实例，将 Tensor 或 ndarray 转换为 PIL.Image。
pytorch torch.triu函数介绍
qq_27390023的博客
09-06 317
torch.triu是 PyTorch 提供的一个函数，用于生成矩阵的。它的名称来源于 "triangular upper"（上三角形），作用是将矩阵的下三角部分置为零，只保留对角线及其上方的元素。
加速度记录基线校准方法探究——PyTorch损失函数应用
"这篇文档详细介绍了在PyTorch中使用损失函数进行基线校准的方法，特别是在处理加速度记录误差分析中的应用。文档首先阐述了加速度记录中存在的干扰因素，包括系统误差、数字化偏差、随机误差以及记录纸的畸变等，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值