[pytorch][原创]获取torch tensor中指定条件的数据

最新推荐文章于 2023-01-07 14:51:40 发布
最新推荐文章于 2023-01-07 14:51:40 发布
阅读量1.2k 收藏
点赞数
分类专栏： Pytorch 文章标签： pytorch 深度学习 机器学习
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/FL1623863129/article/details/124652797
版权 
代码场景：在目标检测中获取到了类别，置信度和bbox的tensor，但是我想只想要指定类别的数据集咋办，比如只要class=1的数据，于是便有了下面代码

import torch

cls = torch.Tensor([1, 1, 2, 3, 1]) 
conf = torch.Tensor([0.1, 0.2, 0.3, 0.4, 0.5])
bbox = torch.Tensor([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3], [4, 4, 4, 4], [5, 5, 5, 5]])
#print(bbox)
print(conf [cls==1])
print(bbox [cls==1])
FL1623863129
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
pytorch，筛选出一定范围的值
Talk Is Cheap
03-08 4702
import torch input_tensor = torch.tensor([1,2,3,4,5]) print(input_tensor>3) mask = (input_tensor>3).nonzero() print(mask) print(input_tensor.index_select(0,mask)) tensor([0, 0, 0, 1, 1], dtype=...
【PyTorch】取出tensor中的值
jn10010537的博客
09-14 1万+
【PyTorch】取出tensor中的值1、背景2、示例3、运行 1、背景 在使用pytorch进行运算时，pytorch中数据经常以tensor形式出现。 如果你还不熟悉tensor的操作，可以将tensor的值取出来做分析。 操作关键字： tensor.item() 2、示例 import torch print(torch.__version__) a = torch.rand(3, 2) print(a) print() print("*"*100) for i in a: print(i)
快速获取 pytorch中符合条件的tensor元素个数
znsoft的专栏
04-25 5580
import torch x=torch.eye(3) # 生成一个测试用的tensor ,单位阵 y=torch.nonzero(x>0) # 找出值大于0的索引位置 print(y.shape[0]) #索引行数即是个数
pytorch深度学习入门—tensor的索引与数据筛选
weixin_59634927的博客
02-06 1950
torch.where 参数含义：满足这个condition则用这个tensor的元素，否则则用另一个 代码如下： # torch.where a = torch.rand(4, 4) b = torch.rand(4, 4) print(a, b) # 满足这个condition则用这个tensor的元素，否则则用另一个 print(torch.where((a > 0.5), a, b)) torch.index_select 代码如下： # torch.index_s...
读取torch.Tensor数据类型
qq_43622870的博客
03-20 5132
读取torch.Tensor数据类型 最近弄一下yolov5的detect.py，想提取一下检测数据，记录 a = torch.tensor(4., device='cuda:0') print(a.item(), a.dtype, a.data, a.int()) ''' 输出： 4.0 torch.float32 tensor(4., device='cuda:0') tensor(4, device='cuda:0', dtype=torch.int32) ******************
PyTorch中torch.tensor与torch.Tensor的区别详解
09-16
总结来说，PyTorch中的 `torch.tensor` 和 `torch.Tensor` 主要区别在于数据类型推断和默认行为。`torch.tensor` 更加灵活，能够根据输入自动确定数据类型，而 `torch.Tensor` 默认创建浮点类型的张量，且在单元素...
pytorch查看torch.Tensor和model是否在CUDA上的实例
09-18
本文将通过一个实例来讲解如何检查`torch.Tensor`和模型是否已经放在CUDA上运行。 首先，我们可以导入必要的库，包括`torch`和`torchvision.models`，然后创建一个简单的模型，例如VGG11，并检查模型的第一个参数...
pytorch逐元素比较tensor大小实例
01-20
a = torch.tensor([[0.01, 0.011], [0.009, 0.9]]) mask = a.gt(0.01) print(mask) tensor比较大小可以用tensor.gt属性。上面比较了a中每个元素和0.01的大小，大于0.01的元素输出True。输出结果： tensor([[False, ...
pytorch中一些有关tensor的操作
weixin_44360866的博客
08-31 429
pytorch基础操作简单记录。
tensorflow实现tensor中满足某一条件的数值取出组成新的tensor
12-23
首先使用tf.where()将满足条件的数值索引取出来，在numpy中，可以直接用矩阵引用索引将满足条件的数值取出来，但是在tensorflow中这样是不行的。所幸，tensorflow提供了tf.gather()和tf.gather_nd()函数。 看下面这一段代码： import tensorflow as tf sess = tf.Session() def get_tensor(): x = tf.random_uniform((5, 4)) ind = tf.where(x>0.5) y = tf.gather_nd(x, ind) return x, ind, y
pytorch条件选择行和列
cobracanary的博客
10-16 3710
在使用pytorch中，我们有时会需要按照某些条件去选择行和列（甚至是任意一维），这时候可以这么选择： a=torch.tensor(……) # a是一个n维的tensor b=a[:,:,…,condition,…:,:] # 在某维上指定条件 比方说： >>> a=torch.tensor([[1,2,3],[4,5,6],[7,8,9]]) >>> condition=[True,False,True] >>> a[condition,:]
python取出tensor里面的数据_tensorflow实现tensor中满足某一条件的数值取出组成新的tensor...
weixin_39745724的博客
12-03 1790
tensorflow实现tensor中满足某一条件的数值取出组成新的tensor首先使用tf.where()将满足条件的数值索引取出来，在numpy中，可以直接用矩阵引用索引将满足条件的数值取出来，但是在tensorflow中这样是不行的。所幸，tensorflow提供了tf.gather()和tf.gather_nd()函数。看下面这一段代码：import tensorflow as tfses...
pytorch学习笔记（五）--tensor的高阶操作
ThetaQing的博客
07-12 787
where torch.where(condition,x,y)
pytorch入门篇2 玩转tensor(查看、提取、变换)
最新发布
qq_44949041的博客
01-07 9973
使用tensor最重要的就是掌握tensor数据的查看、提取和变换这三项技能。本篇博客围绕这三个方面展开，介绍了常用的tensor数据切片、torch.masked_select()数据筛选、增加/减少tensor维度、torch.expand()/torch.repeat()矩阵扩充、维度交换和重新排列torch.transpose()/torch.permute()等方法。
torch tensor 条件选取操作
onlyforbest的博客
06-29 1457
import torch x=torch.rand(2,2) print(x) print(x[(x[:,1]<0)|(x[:,0]>0)]) print(x[(x[:,1]<0)&(x[:,0]>0)]) 运行结果如下
pytorch tensor筛选满足条件的行或列（使用与或）
热门推荐
YahamaTarGe的博客
01-24 1万+
import torch x = torch.linspace(1, 8, steps=8).view(4, 2) print(x) area1=(x[:,0]&amp;gt;5.5)&amp;amp;(x[:,1]&amp;gt;5.5) c=x[:,0]*x[:,1] area2=c&amp;gt;25 area=area1|area2 print(x[area]) if 0: # index=torch.max(area,...
pytorch数组处理：排序获取前k个（torch.topk(input , k, dim=1)）+ 截取Tensor的几种方法
ResumeProject的博客
01-27 3897
torch.topk(input, k, dim=None, largest=True, sorted=True, out=None) -> (Tensor, LongTensor) _, indices = torch.topk(input , 1, dim=1) input：一个tensor数据 k：指明是得到前k个数据以及其index dim： 指定在哪个维度上排序， 默认是最后一个维度 largest：如果为True，按照大到小排序； 如果为False，按照小到大排序 sorted：返回
pytorch 保存、读取 tensor 数据
呆萌的代Ma
07-13 1万+
首先导包： import torch save_torch = torch.Tensor([[1, 2, 3, 4], [2, 34, 5, 6]]) 保存 tensor torch.save(save_torch, 'test_save_tensor.pt') 读取 tensor load_torch = torch.load('test_save_tensor.pt') 完整测试代码 import torch save_torch = to
【Pytorch】系统学习Pytorch（一）——tensor维度理解和取行列值操作
AlexFaker的博客
01-18 1万+
Pytorch最核心的数据类型是tensor（张量），实际上我个人觉得形式上张量就是个高维数组。但是tensor的维度如何理解，比如高维tensor我们取[:,:,:,...:,3]的时候我们取的是那些数？这涉及到对tensor维度的理解。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

FL1623863129

你的打赏是我写文章最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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