Pytorch的tensor基本操作

最新推荐文章于 2024-04-25 20:47:04 发布
最新推荐文章于 2024-04-25 20:47:04 发布
阅读量1.3k 收藏 5
点赞数 1
分类专栏： 深度学习 文章标签： pytorch 深度学习 人工智能
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/Swayzzu/article/details/121075984
版权

目录

一、tensor的创建

1.使用tensor

2.使用Tensor

3.随机初始化

4.其他数据生成

①torch.full

②torch.arange

③linspace和logspace

④ones, zeros, eye

⑤torch.randperm

二、tensor的索引与切片

1.索引与切片使用方法

①index_select

②...

③mask

三、tensor维度的变换

1.维度变换

①torch.view

②squeeze/unsqueeze

③expand，repeat

④t，transpose，permute

一、tensor的创建

1.使用tensor

小写字母的tensor接收具体的数据，可以直接按照numpy的方式输入数组。

2.使用Tensor

大写字母的可以接收形状，此时会生成随机数，但没有任何规则。可以生成不同的类型。

自动生成的数据有默认类型，FloatTensor，可以使用torch.set_default_tensor_type去修改

3.随机初始化

rand：0-1之间均匀采样

randn：均值0，方差1的正态分布随机采样

以上两种可以直接输入形状，即可产生对应形状的随机数。

randint：参数是---起始值、终止值、形状

同时每一个都会有一个_like方法，输入一个tensor，会生成对应形状的新tensor

4.其他数据生成

①torch.full

参数是---形状，数据。如果形状的位置给一个空的list，生成的就是标量。

 

②torch.arange

参数是---起始，终止，步长。不包含终止值。

③linspace和logspace

参数是---起始，终止，数量。包含终止值

 

④ones, zeros, eye

输入形状即可。ones和zeros也有_like方法 

⑤torch.randperm

随机打散。输入一个数字，会自动生成这个数字长度的，从0开始的随机排列数字，可以作为索引。当需要对不同的数据，使用相同的索引，并且打乱顺序时，非常好用。

 

二、tensor的索引与切片

1.索引与切片使用方法

和python中的索引切片使用方法一致

①index_select

输入的参数---维度的位置、要选的内容对应的维度的索引。不太好理解，可以看下面的例子。

 

②...

三个点相当于集成了的连续的冒号。

③mask

需要先根据数据生成一个mask，比如挑选出大于等于0.3的数，此时会得到一个和数据相同形状的，满足条件位置是1，不满足条件的位置是0的一个mask，通过masked_select可以选出数据。

 

 

三、tensor维度的变换

1.维度变换

①torch.view

和numpy中的reshape方法一样。转换的时候需要考虑到实际的物理意义。

②squeeze/unsqueeze

squeeze输入的参数---需要减少的维度所在位置

unsqueeze输入的参数---需要增加的维度所在的位置

 

③expand，repeat

expand输入的参数---希望扩展后所形成的维度

repeat输入的参数---各自维度需要重复的次数

通常使用expand，因为不会主动复制数据。

④t，transpose，permute

t：和numpy中的转置一样，只针对二维矩阵操作

transpose：输入需要交换的维度的位置即可。但想要还原的时候，需记得转换后的各个位置的物理意义，根据实际意义进行再次转换。见下面的例子。

permute：输入希望转换成的维度的位置索引即可。相当于多次使用transpose

Swayzzu
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
tensor如何实现转置_pytorch tensor 变换
weixin_31785177的博客
02-22 3300
pytorch_bannar.pngimport numpy as npimport torch甜点在学习神经网时，我们总是喜欢将时间花在如何通过用代码实现模型上，而往往对 tensor 在网络每一层的变化似乎不那么在意，可能觉得观察 tensor 形状比较简单和枯燥。pytorch 改变 tensor 形状的 Apiview/reshape 改变形状Squeeze/unsqueeze 增加维度/...
PyTorch基本数据类型tensor
m0_49963403的博客
12-18 1150
PyTorch中基础数据类型Tensor的介绍
超简单！pytorch入门教程：Tensor
feichangyanse的博客
02-15 508
pytorch快速入门
详细分析Python中Tensor基本知识
最新发布
码农研究僧的博客
04-25 1643
Tensor是深度学习中广泛使用的数据结构，是多维数组或矩阵的泛化 在深度学习框架中，如TensorFlow和PyTorch，Tensor被用来表示输入数据、模型参数和输出数据
Pytorch中的Tensor（概要）
HeLoZhaoFei的博客
02-24 3087
一、Tensor的数据类型 说明： Tensor在 PyTorch中负责存储基本数据，PyTorch针对 Tensor也提供了丰富的函数和方法，Pytorch的Tensor与NumPy的数组具有极高的相似性； Tensor是一种高级的API； PyTorch中定义的Tensor数据变量可以在GPUs上进行运算，而且只需对变量做一些简单的类型转换就能够实现； 类型： 1、浮点型​ torch.FloatTensor​：用于生成浮点型Tensor，传递给torch.FloatTensor的参数可以是
深度学习基础——PyTorch简介和Tensor张量详解
一名在读大学生，正在学习深度学习，会定期分享一些该领域内容。欢迎大家一起交流学习~
03-18 1285
下面，让我们来看看如何利用PyTorch 定义一个张量。# 导入PyTorch的包 import torch接下来，我们可以创建一个尺寸为53(5,3)53的二阶张量(也就是 5行3列的矩阵)。我们希望其中每个元素的数值是随机赋予的一个01[0, 1]01其中，第二行的 x表示打印输出 的数值。可以看到系统打印输出了一个 5x3 的矩阵。下面再看一个例子，创建一个尺寸为53(5,3)53接下来，让我们再创建一个三维(阶)的张量，尺寸为253(2,5,3)253。
Pytorch的tensor数据类型 -- 常见用法介绍：
qq_41764621的博客
09-15 2085
【注意】使用该方法创建Tensor时，系统不会马上分配空间，只是会计算剩余的内存是否足够使用，使用到Tensor时才会分配。而其它操作都是在创建完Tensor之后马上进行空间分配。我不知道上述这个tensor分配内存空间的这种方式的意义是啥？推荐使用：torch.tensor()来建立tensor数据，没写完：然后把上述的代码换成torch.tensor()是PyTorch中重要的数据结构，可认为是一个高维数组。【把人家博客的内容再自己复述一遍写在这thx】随机创建指定形状的Tensor。
Pytorch Tensor基本数学运算详解
09-18
今天小编就为大家分享一篇Pytorch Tensor基本数学运算详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Pytorch Tensor的索引与切片例子
09-18
今天小编就为大家分享一篇Pytorch Tensor的索引与切片例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Pytorch Tensor 输出为txt和mat格式方式
09-18
今天小编就为大家分享一篇Pytorch Tensor 输出为txt和mat格式方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
【PyTorch】torch.Tensor详解和常用操作
vivi_cin的博客
07-05 6224
pytorch.tensor基本操作
【Pytorch笔记】使用Tensor作为索引
NOVAglow646的博客
11-06 2586
使用tensor作为索引
pytorch使用tensor作为tensor的索引
chenf1999的博客
09-12 4288
在使用pytorch时，我们经常会看到tensor1[tensor2]这样的代码，而不同的tensor2会导致不同的索引方式，本文详细介绍使用tensor作为索引的原理。 首先构造tensor1： >>> a = torch.randn(10, 5) >>> a tensor([[-0.9434, -2.8668, -0.4331, -1.6842, -0.1823], [-1.4545, -1.0065, 0.3228, 0.7457, 0.622
Pytorch 中的 tensor index
Do not mess it up
03-25 3393
遇到了用tensor来index另外一个tensor的操作，在Pytorch中右2个比较相似的操作 torch.index_select 和torch.gather torch.index_select(input,dim,index,out=None)→ Tensor Returns a new tensor which indexes theinputtensor a...
PyTorch：tensor常用操作
芒果干的博客
12-28 3358
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
pytorch每日一学8(torch.set_default_tensor_type(t))
Fluid_ray的博客
11-06 8936
8.第八个方法 torch.set_default_tensor_type(t) 这个方法的意思是设置pytorch中默认的浮点类型，一般使用pytorch进行运算时候使用的都是浮点数来进行计算，所以设置默认浮点数有时候也很重要。 虽然这个方法和曾经的torch.set_default_dtype(d)确实功能很相似，但是实际上今天介绍的这个方法更强大一些(注意两个方法都只可以设置浮点数的默认类型，不可以设置整型的默认类型)。 Tensor有不同的数据类型，每种类型分别有对应CPU和GPU版本（Half
Tensor的维度变换
Mrweng1996的博客
11-21 1088
针对tensorflow2.0版本 （1）tf.reshape（tensor的维度变换函数） In [3]: a = tf.random.normal([4,28,28,3]) In [5]: tf.reshape(a,[4,784,3]).shape Out[5]: TensorShape([4, 784, 3]) In [6]: tf.reshape(a,[4,-1,3]).shap...
Pytorch Tensor维度变换
热门推荐
洪流之源
06-25 6万+
1. 改变shape torch.reshape()、torch.view()可以调整Tensor的shape，返回一个新shape的Tensor，torch.view()是老版本的实现，torch.reshape()是最新的实现，两者在功能上是一样的。 示例代码： import torch a = torch.rand(4, 1, 28, 28) print(a.shape) prin...
PyTorch 笔记（12）— Tensor 持久化、向量化、torch.set_num_threads、torch.set_printoptions
wohu1104的专栏
07-29 3706
1. 持久化 Tensor 的保存和加载也比较简单，使用 t.save 个 t.load 即可完成相应的功能，在 save、load时可指定使用的 pickle 模块，在 load 时还可将 GPU Tensor 映射到 CPU 或其它 GPU 上。 2. 向量化 向量化计算是一种特殊的并行计算方式，一般程序在同一时间只执行一个操作指令，而向量化计算可在同一时间执行多个操作，通常是对不同的数据执行同样的一个或一批指令，或者说把指令应用于一个数组或向量上。 向量化可极大地提高科学运算效率，在科学计算中应当极
pytorch tensor切片
07-15
### 回答1： PyTorch中的tensor切片是指从一个tensor中选择特定的元素或子集。切片操作可以通过索引或范围来指定。下面是关于PyTorch tensor切片的一些重要信息： 1.基本切片操作：您可以使用索引操作符[]来对tensor进行切片。例如，如果有一个3x3的tensor，可以使用`tensor[1:3, 0:2]`来获得第二行和第三行的前两列。 2.索引规则：切片操作的索引是从0开始的。在切片时，起始索引是包含在切片中的，而结束索引是不包含在切片中的。例如，`tensor[1:3]`将返回索引为1和2的元素，但不包括索引为3的元素。 3.负数索引：您可以使用负数索引来从后面开始对tensor进行切片。例如，`tensor[-1]`将返回最后一个元素。 4.步长操作：您可以使用步长操作来跳过某些元素进行切片。例如，`tensor[0:3:2]`将返回索引为0和2的元素。 5.高维tensor切片：对于高维tensor，您可以在多个维度上进行切片。例如，`tensor[:, 1]`将返回所有行的第二列。 6.更改切片：切片的结果是原始tensor的视图，并且共享相同的内存。因此，对切片的更改将反映在原始tensor上。 7.使用切片进行赋值：您可以使用切片操作来对tensor的某些元素进行赋值。例如，`tensor[1:3, 0:2] = 0`将第二行和第三行的前两列设置为0。 请注意，这只是关于PyTorch tensor切片的一些基本信息，更复杂的操作如高级索引和掩码索引等也是可行的。 ### 回答2： PyTorch中的tensor切片是指从一个tensor中选择部分元素的操作。通过切片操作，我们可以访问或修改tensor中的特定元素，或者创建一个新的tensor来存储所选元素。 切片操作的基本语法是t[start:stop:step]，其中start表示起始位置，stop表示结束位置（但不包括该位置上的元素），step表示步长。 例如，如果有一个1维tensor t = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]，我们可以使用切片操作来选择其中的一部分元素。 - t[2:6]将返回一个新的tensor，包含元素2, 3, 4, 5； - t[:5]将返回一个新的tensor，包含元素0, 1, 2, 3, 4； - t[5:]将返回一个新的tensor，包含元素5, 6, 7, 8, 9； - t[1:8:2]将返回一个新的tensor，包含元素1, 3, 5, 7。 对于多维tensor，我们可以使用相同的切片操作来选择各个维度上的元素。 例如，如果有一个2维tensor t = [[0, 1, 2], [3, 4, 5], [6, 7, 8]]，我们可以使用切片操作来选择其中的一部分元素。 - t[1:3, :2]将返回一个新的tensor，包含元素[[3, 4], [6, 7]]，表示选择第1行和第2行的前2列； - t[:, 1]将返回一个新的tensor，包含元素[1, 4, 7]，表示选择所有行的第1列。 需要注意的是，切片操作返回的是原始tensor的一个视图，而不是创建一个新的tensor。这意味着对切片后的tensor进行修改，将会影响到原始tensor。如果需要创建一个新的tensor对象，可以使用切片操作的clone()方法来复制原始tensor的数据。 ### 回答3： PyTorch是一个常用的深度学习框架，Tensor是PyTorch中用于处理数据的基本数据结构。在PyTorch中，我们可以使用Tensor进行切片操作来选择或修改我们需要的元素。 通过索引操作，我们可以对Tensor进行切片。在切片操作中，可以使用逗号分隔的索引列表来选择多个维度的元素。例如，使用tensor[a:b, c:d]的切片操作，可以选择Tensor中从第a行到第b行（不包括b）以及第c列到第d列（不包括d）的元素。 在切片操作中，索引的开始和结束位置都是可选的，如果不指定，则默认为从开头到末尾。此外，还可以使用负数索引来表示从末尾开始的位置。 除了使用切片进行选择之外，我们还可以使用切片进行修改。通过将切片操作放在赋值语句的左侧，我们可以将新的值赋予切片所选择的元素。 值得注意的是，切片操作返回的是原始Tensor的视图，而不是复制。这意味着对切片的修改也会反映在原始Tensor上。 需要注意的是，在PyTorch中进行切片操作不会对Tensor进行内存复制，这样可以减少内存消耗并提高代码的执行效率。 总而言之，PyTorch中的Tensor切片操作允许我们根据需要选择或修改Tensor中的元素。通过索引和切片操作，我们可以根据具体需求灵活操作Tensor的数据。这为我们在深度学习任务中提供了丰富的选择和便利性。

“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
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