张量的基本操作

最新推荐文章于 2023-04-23 16:51:40 发布
最新推荐文章于 2023-04-23 16:51:40 发布
阅读量1.1k 收藏 4
点赞数
分类专栏： 深度学习
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/Ruanes/article/details/105096423
版权
本文介绍了张量的各种操作，包括改变形状、增加和删除维度、交换维度、拼接和分割张量、堆叠和分解张量、数据提取以及基本数学和向量运算。重点讲述了如何使用shape参数调整张量形状，以及矩阵乘法和数据统计的方法。
摘要由CSDN通过智能技术生成

文章目录

改变张量的形状

tf.reshape(tensor, shape)

shape参数=-1：表示自动推导出长度
在这里插入图片描述

增加和删除维度

增加维度

tf.expand_dims(input, axis)

增加的维度在1的轴上
在这里插入图片描述
增加的维度在0的轴上
在这里插入图片描述

增加最后的一个维度：
在这里插入图片描述

删除维度

tf.squeeze(input, axis)

只能删除长度为1的维度，如果axis省略，会自动删除长度为1的维度

交换维度

tf
最低0.47元/天 解锁文章
Ruanes
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Pytorch快速入门系列---（一）张量及运算
qq_42681787的博客
03-06 3341
在上面的例子中，我们演示了如何调用pytorch中的函数查看、修改默认数据类型，但是这种修改是全局的，如何我们想要把一个张量a（32位浮点型）转换为16位有符号整型但是又不影响其他张量的数据类型怎么办呢？我们接着看下面一个例子。torch.sort()函数：对一维张量进行排序，或者对高维张量在指定的维度进行排序，在输出排序结果的同时，还会输出对应的值在原始位置的索引。张量计算主要包括张量之间的大小比较、张量的基本运算（元素之间的运算和矩阵之间的运算）、张量与统计相关的运算（排序、最大值、最小值）
libtorch:C++开发深度学习模型算法《张量基本操作》
学-> 思->用
07-26 515
libtorchC++开发深度学习模型算法《张量基本操作》
张量基本使用
Shunsui_的博客
04-04 419
张量二级目录三级目录 二级目录 三级目录
TensorFlow张量的使用
微信号：Custom-Software
07-13 180
和 TensorFlow 的计算模型相比， TensorFlow 的数据模型相对比较简单。 张量使用主要可以总结为两大类 。 1、第一类用途是对中间计算结果的引用； 张量来引用计算的中间结果可以使代码的可阅读性大大提升 。 同时，通过张量来存储中间结果可以方便获取中间结果 。 通过 result.get_shape 函数来获取结果张量的维度信息。 2、第二类情况是当计算图构造完成之后，张量可以用来获得计算结果，也就是得到真实的数字。 使用 tf.Session().run(result）语句得到计算结果 。
torch.flatten()
weixin_47414034的博客
10-09 233
将张量拉成一维的向量。
PyTorch：tensor常用操作
芒果干的博客
12-28 3532
tensor常用操作一、维度重新排列二、Tensor.expand()三、torch.cat()四、torch.split()五、torch.chunk() 一、维度重新排列 permuate 二、Tensor.expand() Tensor.expand(sizes) 将tensor进行扩展，size为扩展后的维度，-1表示对这一维度不进行拓展 Returns a new view of the self tensor with singleton dimensions expanded to a la
torch学习笔记之——tensor维度变换
qq_58832911的博客
01-05 6874
torch学习笔记之——tensor维度变换：View 和reshape，squeeze 和unsqueeze，expand 和repeat，transpose和permute。
Pytorch 基础-张量基本操作
专注计算机视觉算法训练，算法优化部署以及SDK开发的知识分享。
09-09 880
Pytorch 中，张量的操作分为结构操作和数学运算，其理解就如字面意思。结构操作就是改变张量本身的结构，数学运算就是对张量的元素值完成数学运算。
Pytorch深度学习|张量基础操作
qq_42719311的博客
04-23 282
【代码】Pytorch深度学习|张量基础操作。
tf 矩阵行和列交换_【TF2.1学习笔记4】张量基本操作
weixin_28818559的博客
12-23 279
大纲维度变换改变视图：tf.reshape(x, shape)增、删维度：tf.expand_dims(x, axis)和tf.squeeze(x, axis)变换维度：tf.transpose(x, perm)复制数据：tf.tile(x, multiples)广播四则运算乘方运算指数和对数矩阵运算1. 维度变换1.1 改变视图一个张量有存储和视图两个概念。存储指将张量保存在一个连续的内存区域内...
PYTORCH:带有火炬的基本张量操作
04-03
本篇文章将深入探讨PyTorch中的基本张量操作及其在`torch`模块中的应用。 ### 1. 创建张量 在PyTorch中，可以使用多种方式创建张量。例如： - 初始化空张量：`torch.empty()` - 初始化全零张量：`torch.zeros()` ...
张量维度变换
qq_45104603的博客
04-11 1838
在这个例子中，unsqueeze(0)将原始张量的第0维进行扩展，成为一个长度为1的新维度，因此原来的行数3会变为现在的第1维长度3。unsqueeze(-1)将新的最后一维进行扩展，成为一个长度为1的新维度，因此原来的列数4会变为现在的第2维长度4，同时扩展的维度位置也可以用负数表示，比如unsqueeze(-1)表示在倒数第一维上进行扩展。例如，在上面的示例中，x.shape[0]返回值为2。需要注意的是，view方法并不会改变原张量的数据，而是返回一个新的张量，因此需要将结果保存到一个新的变量中。
Tensorflow（二）
DOVIS_song的博客
03-13 596
1.tf.nn.bias_add()： 参考：https://blog.csdn.net/mieleizhi0522/article/details/80416668 一个叫bias的向量加到一个叫value的矩阵上，是向量与矩阵的每一行进行相加，得到的结果和value矩阵大小相同。 解释：这个函数的作用是将偏差项bias加到value上面。可以看作tf.add的一weide个特列，其中bi...
张量网络系列（一 从张量到张量网络）
欢迎来到 豪哥 的博客
07-22 7044
历时半个多月，我们终于从刚开始的张量学习 ，到现在的张量网络，本人真的是一路艰辛，哎 ，打油诗一首表心意： 本是计科专业狗，年少无知四顾首。 无赖量子吸引我，前路茫茫无处走。 早知人生本就难，科研门前抖一抖。 陷入深渊尚未知，乐此不疲直挥手。 半路出家尝滋味，心理防线已失守。 老板教诲不敢忘，硬着头皮往前走。 其中滋味难传达，卿知否？卿知否？ 前路迢迢虽泥泞，组内都是好盆友。 光阴不可再虚度，忆往事痛心疾首！ 下定决心埋头干，吾定要大显身手！ 祖国崛起志士缺，天下英雄谁敌手？ 夜半三更睡不着，写首诗精神抖擞
将一维张量变成二维张量 改变张量维度
xu19950525的博客
07-16 6795
Y_=np.vstack(Y_).reshape(-1,1) #标签Y_进行shape整理，第一个元素为-1表示随第二个参数 #计算得到，第二个元素表示多少列，把Y整理为n行1列 从上图可以看到一共五个数据，如果改为 Y_=np.vstack(Y_).reshape(-1,2) 因为奇数个数据，没有办法平分，会报错。 ...
二维变一维
herogui的专栏
04-01 1592
from itertools import chainlatArray = list(chain.from_iterable(latArray))
TensorFlow——多维矩阵的转置（transpose）
热门推荐
Andy的博客
07-03 3万+
今天在深度学习第四课的神经风格转移遇到了一个折磨了我很久的东西，就是高纬度矩阵转置，不得不说，一旦维度升高，真的会让人懵逼，废话不多说，开始讲一下我对TensorFlow中transpose()函数的用法。 先看一下官方API： tf.transpose transpose( a, # a是一个张量 perm=None, ...
Pytorch基础操作 —— 8. 张量转置操作
老程的技术笔记
10-18 9287
文章目录torch.transpose对于高维度张量 torch.transpose 我们有时候会遇到这样的问题，某个时刻我们希望把某个张量从横向量，转置成纵向量。因为对于线性代数来说，矩阵的基本计算法则告诉我们，两个矩阵叉乘必须满足 [l×m]×[m×n][l \times m] \times [m \times n][l×m]×[m×n] 才可以进行计算。但有时候我们为了方便会创建出两个这样维度的矩阵 [m×l][m \times l][m×l] 和 [m×n][m \times n][m×n]，为了执
深度学习基础：1.张量的基本操作
兴趣使然的创作者
09-29 3629
本篇文章 张量（Tensor）的基本含义 张量，可以简单的理解为多维数组，是二维向量在更高的维度的延申。 用到的库和框架 import torch import numpy as np 张量的创建torch.tensor() 通过列表创建张量 # 通过列表创建张量 t = torch.tensor([1, 2]) t tensor([1, 2]) 通过元组创建张量 # 通过元组创建张量 torch.tensor((1, 2)) tensor([1, 2]) 将numpy创建的数组转换成张量 .
张量基础操作pytorch
最新发布
09-12
在PyTorch中，张量（tensor）是存储和操作数据的主要数据结构。下面是一些常见的张量基础操作： ...这只是一些基本的张量操作，PyTorch还提供了很多其他功能强大的操作和函数，可以根据具体需求进行学习和使用。
评论 1
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