Pytorch 学习（二十四）----- 高级Tensor技巧(Advanced Indexing等多种操作）

最新推荐文章于 2024-07-07 19:19:42 发布
最新推荐文章于 2024-07-07 19:19:42 发布
阅读量943 收藏 2
点赞数
分类专栏： pytorch PyTorch
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/Hungryof/article/details/104371012
版权
这篇博客介绍了PyTorch中Advanced Indexing的高级用法，特别是如何利用这一特性进行复杂的数据赋值操作。内容涵盖了一些难以理解的Tensor操作，目前处于待更新状态。
摘要由CSDN通过智能技术生成

总说

这里记录一些比较难的操作：

Advanced Indexing 可以用于赋值

import torch
a = torch.rand(5,5)
x_indice = torch.LongTensor([1, 3, 4])
y_indice =
最低0.47元/天 解锁文章
Hungryof
关注
专栏目录
Open3D-core-1：对于张量Tensor的数据处理
重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
05-20 213
张量是具有形状、步长和数据指针的数据 Blob 的“视图”。它是一个包含单一数据类型元素的多维同质矩阵。它在 Open3D 中用于执行数值运算。它还支持 GPU 操作。
ecw2c理解元数据：使用BigQuery k-means将4,000个堆栈溢出标签聚类
热门推荐
cunehu1722的博客
07-24 6万+
您如何将超过4,000个活动的Stack Overflow标签分组为有意义的组？ 对于无监督学习和k均值聚类来说，这是一项完美的任务-现在您可以在BigQuery中完成所有这些工作。 让我们找出方法。 Visualizing a universe of clustered tags. Felipe Hoffais a Developer Advocate fo...
高级索引（Advanced Indexing）机制
最新发布
weixin_44012667的博客
07-07 293
高级索引允许我们使用多个数组或张量来选择特定元素。它提供了比基本索引更灵活和强大的功能，特别适用于多维数组或张量中的复杂选择操作。高级索引在数据处理、机器学习和科学计算中非常有用。
AdvancedIndexing-PyTorch:（批次）PyTorch的高级索引
03-15
AdvancedIndexing-PyTorch （批量）PyTorch的高级索引。 torch_index软件包设计用于在PyTorch张量上执行高级索引。 除了支持基本索引方法（矢量索引，外部索引，numpy样式索引，pytorch样式索引）之外，它还支持批量索引。 也就是说，张量的索引可能在不同的批处理索引中有所不同。 榜样胜过戒律！ import torch from torch_index import batch from torch_index import btindex a = torch . rand ( 2 , 3 , 6 , 7 , 8 ) blist = torch . tensor ([ [[ 0 , 1 ], [ 0 , 3 ], [ 0 , 5 ]], [[ 1 , 2 ], [ 1 , 3 ], [ 1 , 5 ]] ]) asse
tensorflow用gather/scatter实现advanced indexing
iTom's blog
12-17 626
numpy 支持用 ndarray 索引： import numpy as np arr = np.arange(9).reshape(3, 3) idx = np.array([0, 2]) print(arr[idx]) 但 tensorflow 中非 scalar 的 tensor 不可以直接用作下标： import tensorflow as tf arr = tf.reshape(...
Tensor索引操作
10-23 232
#Tensor索引操作 ''''' Tensor支持与numpy.ndarray类似的索引操作，语法上也类似 如无特殊说明，索引出来的结果与原tensor共享内存，即修改一个，另一个会跟着修改 ''' importtorchast a=t.randn(3,4) ...
Pytorch Advanced(一) Generative Adversarial Networks
青山渺渺
09-11 972
输入随机噪声，G产生一个假图，D去分辨，score = 1就是需要我们需要优化的目标，意思就是我们要让生成的图片变成真的。假设G生成了一张图，在D那里的得分很高，那么G就很成功的骗过了D，如果D很轻松的分辨出了假图，那么G的效果不好，那么就需要调整参数了。这里给的真图是没有经过人工标注的，只知道这是真的，D是不知道这是什么的，只需要分辨真假。训练D时，上一轮G产生的图片，和真实图片一起作为x进行输入，假图为0，真图标签为1，通过x生成一个score，通过score和标签y计算损失，就可以进行反向传播了。
PyTorch索引,切片,连接,换位Indexing, Slicing, Joining, Mutating Ops
Yoc Lu
08-10 2万+
PyTorch索引,切片,连接,换位 Indexing, Slicing, Joining, Mutating Ops torch.cat torch.cat(inputs, dimension=0) → Tensor 在给定维度上对输入的张量序列进行连接操作。 torch.cat()可以看做 torch.split() 和 torch.chunk()的反操作。 参数： input...
torch tensor去掉1维_【ML实践笔记】06-DeepLizard教程10-13：PyTorch中的tensor操作
weixin_39859055的博客
11-21 1498
0 前言这个系列主要是写给自己看的，奉行拿来主义，对于学习过程中使用到的优质的学习资源和教程会直接把链接贴进来（省的自己看完忘了），也会附上我的一些学习笔记，同时也记录一下我在学习过程中踩过的各种坑（血泪史），希望能帮助到和我一样刚刚入门的人吧。这个系列称为“实践笔记”，是因为其主要面向编程实践而非理论学习。因为我的基础还是比较差，很多东西只是自己的理解，不一定对，供参考。教程介绍和目录见此文：季...
Pytorch 多维数组运算过程的索引处理方式
12-23
背景：对 python 不熟悉，能看懂代码，也能实现一些简单的功能，但是对 python 的核心思想和编程技巧不熟，所以使 Pytorch 写 loss 的时候遇到很多麻烦，尤其是在 batch_size > 1 的时候，做矩阵乘法之类的运算会觉得特别不顺手。 所幸，在边查边写的过程中，理解了 python 中多维运算的实现规则。 1、python 的基本索引规则 从 0 开始 对于给定的范围，如 b = a[m:n], 那么 b 为由 （n-m）个数据组成的新数组，由 a[m],a[m+1],…,a[n-1] 构成。(若 n<m, 得到空) 2、单个 tensor 运算，使用 dim 参数
【论文阅读笔记】mask r-cnn代码和论文结合阅读
flora
11-28 2374
mask r-cnn代码运行数据集跑train_net.py出现问题及解决方法 代码运行 demo:https://github.com/facebookresearch/maskrcnn-benchmark 我首先想把train跑通，所以我们要看的是github的Perform training on COCO dataset的步骤 数据集 这一部分就是在maskrcnn-benchmark ...
pytorch中index_select()，masked_select()，gather()使用
geiyes的博客
05-18 3025
index_select() index_select(input, dim, index) 在指定维度dim上选取，比如选取某些行、某些列 input中输入的一个该是一个张量（tensor） dim代表选取的维度：0代表行，1代表列 后面的张量代表的是指定的行或列 input.index_select(dim, index)此写法与index_select(input, dim, index)效果相同 x = torch.tensor([[2,1,3,0],[1,2,0,4],[4,3,2,1]]) p
深入解析Tensor索引中的Indexing Multi-dimensional arrays问题
qq_42068614的博客
05-15 1409
写在前面 最近小弟做了一些实验，但是发现我写的代码虽然能够跑通，但是对于gpu的利用率始终在一个比较低的水平，这就很难受，别人的代码2h就跑完了，我得10h，经过排查发现究其原因就是代码的并行化成都不高，在代码中使用了大量的for循环，没有采用矩阵运算，就导致计算非常的慢，于是最近在学习一些大神的代码，遇到了这个在Tensor中的Indexing Multi-dimensional arrays问题。 前置知识 在解决这个问题之前，需要了解torch中的boardcast机制，详情可见pytorch官网。
numpy array 以及pytorch tensor 的索引（切片索引，整型索引）
xiaojiajia007的博客
08-02 1033
我们知道，在python中，变量的赋值‘＝’其实是对原始变量的引用，是一种绑定。因此有时我们为了创建新的变量而不影响原始数据，需要使用拷贝（copy），这也是赋值和拷贝的不同。 numpy中的索引有切片索引（slice array indexing）和整型索引（integer array indxing） 其中，numpy array中的切片索引（slice）是对原始数组的一个view，会影响...
Pytorch学习之torch----索引、切片、连接、变异操作
bbbeoy的专栏
12-19 211
https://blog.csdn.net/gyt15663668337/article/details/91345951
Pytorch与Numpy在数据Indexing的区别
a2806005024的专栏
07-17 1131
Pytorch又被称为GPU版的Numpy，二者的许多功能都有良好的一一对应。 在这些一一对应中，Indexing是较为模糊的。 例如，我们常常使用Bool的List作为Index，取出Array中的某些行。 a = torch.rand(3, 3) print(a) 0.1041 0.6888 0.7988 0.9398 0.9151 0.7642 0.5340 0....
NumPy 高级索引
studyvcmfc的专栏
07-24 279
NumPy 高级索引 NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引。 整数数组索引 以下实例获取数组中(0,0)，(1,1)和(2,0)位置处的元素。 实例 import numpy as np x = np.array([[1, 2], [3, 4], [5, 6]]) y = x[[0,1,2], [0,1,0]] print (y) 输出结果为： [1 4 5] 以下实例获取了 4X3
numpy索引说明
突破吧！次元壁
03-20 256
文章目录Basic Slicing and IndexingAdvanced IndexingInteger array indexingBoolean array indexing 官方文档，汉化之源 用到啥翻译啥，随缘更 numpy中可支持三种索引方式 field access, basic slicing, advanced indexing 我以我六级424的水平翻译以下就是：区域...
PyTorch-Kaldi：融合深度学习与高效语音识别的工具包
PyTorch-Kaldi 语音识别工具包是一个新兴且颇具潜力的跨平台工具，旨在将两个业界知名的开源软件——Kaldi与PyTorch——的优势相结合。Kaldi作为语音识别领域的基石框架，一直以来都是开发高性能语音识别系统的首选...
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