pytorch学习笔记（二）--tensor的基本操作

最新推荐文章于 2024-07-30 21:39:22 发布
最新推荐文章于 2024-07-30 21:39:22 发布
阅读量670 收藏 3
点赞数
分类专栏： 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/Thera_qing/article/details/95361598
版权
本文详细介绍了PyTorch中Tensor的创建、索引切片和维度变换。内容涵盖从numpy或list导入tensor，创建未初始化的tensor，设置默认数据类型，随机初始化方法如rand()、randn()等，以及索引、切片操作，如隔行取样、掩码索引。此外，还讲解了维度变换的技巧，如view/reshape、squeeze/unsqueeze、transpose/permute等。
摘要由CSDN通过智能技术生成

创建tensor

  1. 从numpy导入

numpy导入

  1. 从list里面导入

在这里插入图片描述
tips: orch.tensor()里面的参数只能是numpy数据或list,即现成的数据；torch.Tensor/FloatTensor()参数为数据的维度,如果是接收现成的数据，要用list形式，如第四行表示方法（不建议使用，易混淆），如果是torch.Tensor/FloatTensor(2,3)表示数据shape为2*3

  1. 创建未初始化数据，即申请内存空间

    三种方法，在数据使用前记得覆盖原有的随机初始化的值，小括号内的参数均表示数据的维度，即shape
    在这里插入图片描述
    Tips:默认类型
    设置默认数据类型的方法：

    torch.set_default_tensor_type(torch.DoubleTensor)

    否则默认数据类型为torch.FloatTensor

  2. 随机初始化

    rand()表示在[0,1]之间均匀采样

最低0.47元/天 解锁文章
ThetaQing
关注
专栏目录
python自定义函数实例 lite_TensorFlow Lite开发系列之python接口解析(一)
weixin_32150221的博客
02-11 380
环境: tensorflow2.x， 一定要使用linux系统，后期转换模型windows会出现bugAPI解析网址：https://tensorflow.google.cn/api_docs/python/tf/liteAPI功能class Interpreter推理TensorFlow Lite模型class TFLiteConverter将TensorFlow模型转换为TensorFlow ...
PyTorch深度学习基础---Tensor的变换、拼接和拆分
Ting_28的博客
03-11 788
PyTorch提供了大量的对Tensor进行操作的函数或方法这些函数内部使用指针实现对矩阵的形状变化、拼接和拆分等操作。
pytorch基本数据操作 tensor基本操作
artistkeepmonkey的博客
02-28 943
使用pytorch框架写深度学习程序，总是会对数据进行各种各样的操作，本文从给出了实际可运行的数据操作代码，tensor创建，tensor形状，两个tensor运算，tensor与numpy数据的互相转换。 代码由许多的test组成，都是单独可运行的。程序入口在下面的main。 import torch #基本属性 def test_base(): t_data=torch.zeros((3,4)) help(torch.numel) print(t_data.shape)#形状
torch基本操作
weixin_33827731的博客
12-29 275
1.在terminal中th进入troch，th+文件名.lua运行文件。进入torch之后，dofile+“文件名.lua”运行文件
pytorch里tensor用法总结
最新发布
sixth_sir的博客
07-30 907
通过这篇总结，希望可以帮助pytorch学习者更好掌握Tensor的基本用法。
动手学深度学习——数据操作
橙子的博客
11-14 1134
N维数组样例 N维数组是机器学习和神经网络的主要数据结构 0-d（标量） 1-d（向量） 2-d（矩阵） 1.0 【1.0,2.7,3.4】 【【1.0,2.7,3.4】 【5.0,4.8,0.2】 【4.3,8.5，0.2】】 一个类别 一个特征向量 一个样本（特征矩阵） 3-d 4-d 5-d 【【【1.0,2.7,3.4】 【5.0,4.8,0.2】 【4.3,8.5，0.2】】
python tensor类型 双冒号切片
qq_39468514的博客
09-26 186
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。
PyTorch深度学习基础---Tensor对象及其运算
Ting_28的博客
03-09 588
Tensor对象是一个任意维度的矩阵，但是一个Tensor中所有元素的数据类型必须一致。Torch包含的数据类型和普遍的编程语言的数据类型相似，包含浮点型、有符号整型和无符号整型。这些类型既可以定义在CPU上，也可以定义在GPU上。
pytorch tensor查找0_PyTorch学习笔记(二)：Tensor操作
weixin_30495789的博客
01-17 1238
什么是TensorTensor，又名张量，最早接触这个词是来自于TensorFlow，这个概念也被广泛的应用于不同的深度学习框架。如果一个物理量，在物体的某个位置上只是一个单值，那么就是普通的标量，比如密度。如果它在同一个位置、从不同的方向上看，有不同的值，而且这个数恰好可以用矩阵乘观察方向来算出来，就是张量。几何代数中定义的张量是基于向量和矩阵的推广，通俗一点理解的话，我们可以将标量视为零阶张量...
pytorch tensor 初始化_PyTorch简明笔记[1]-Tensor的初始化和基本操作
weixin_33701632的博客
12-24 736
听麻麻说，偷偷收藏而不感谢是不礼貌的，至少应该点个赞~我觉得麻麻说的对！不断地被人安利PyTorch，终于忍不住诱惑决定入坑了。当初学习TensorFlow的时候，没有系统性地学习。之前TF的英文官网一直看不了，而中文版的文档又很烂，导致学起来一直不那么爽，每次搭建模型的时候，都要大量的回来查阅文档，对很多基本的用法搞不清楚。当我翻看PyTorch官网的时候，一下子就爱上了它那清晰的文档和友好的入...
【python】基本操作之双冒号::切片
weixin_43543177的博客
11-27 3686
双冒号::切片核心知识举例 核心知识 Python序列切片地址可以写为[开始：结束：步长]，其中的开始和结束可以省略。这个规则与MATLAB操作步长和结束顺序不一样，所以我这几天次次搞错，决定写一写，加深印象。 举例 import torch aa = torch.tensor([[1.1, 1.2, 1.3, 1.4, 1.5, 1.6], [2.1, 2.2, 2.3, 2.4, 2.5, 2.6], [3.1, 3.2, 3
张量（Tensor）操作
weixin_45922730的博客
09-11 2676
1、torch.cat():将张量按照dim维度进行拼接 2、torch.stack()：将张量在新创建的dim维度上进行拼接 3、torch.chunk():将张量按照维度 dim 进行平均切分。若不能整除，则最后一份张量小于其他张量 4、torch.split():将张量按照维度 dim 进行平均切分。可以指定每一个分量的切分长度 5、torch.index_select()：在维度 dim 上，按照 index 索引取出数据拼接为张量返回
tensor如何插入一行为0或者一列为0 其他类似，实现append
weixin_47604030的博客
07-27 1746
这些曲线真难
TensorRT学习：构造函数后面加冒号“:”
南沙的星星
09-07 283
例子：sampleOnnxMNIST 代码： class Logger : public nvinfer1::ILogger { public: Logger(Severity severity = Severity::kWARNING) : mReportableSeverity(severity) { } 构造函数带了冒号，疑惑，搜集学习的结论： 对类成员进行初始化，调用格式为“构造函数 : A(初始值),B(初始值),C(初始值)……” 参考：C++子类的构造
python tensor_Tensor及其基本操作：tensor.item()，torch.sum()
weixin_39669265的博客
12-11 1109
Tensor及其基本操作完整版链接https://zhuanlan.zhihu.com/p/36233589Use tensor.item() to convert a 0-dim tensor to a Python number输出：torch.sum() #返回总和torch.mean() #返回平均值to...
tensorflow学习笔记--提取张量的某一维数据
u012796629的博客
10-10 1万+
2019.10.10 提取张量的某一维 一、要点总结 最好使用tf.slice函数，可以保持提取出的切片的维度，如果采用类似list的方法，维度会降低，具体可看代码 二、实验代码 场景：假设我有一个3x3的张量，我希望提取出其第一列，然后每一列都减去第一列的值 import tensorflow as tf import numpy as np a = np.array...
Tensorflow中的reshape、set_shape的区别!!!
weixin_40395922的博客
08-15 4917
  讨论reshape与set_shape的区别之前,我们首先需要知道dynamic shape和static shape的区别: Tensorflow在构建图的时候，tensor的shape被称为static(inferred)；而在实际运行中，常常出现图中tensor的具体维数不确定而用placeholder代替的情况，因此static shape未必是已知的。tensor在训练过程中的实...
TensorFlow 中检查张量中元素的正、负性 tf.assert_positive、tf.assert_negative 等的基本用法及实例代码
sdnuwjw的博客
01-24 2118
（1）tf.assert_positive tf..debugging.assert_positive tf.debugging.assert_positive( x, data=None, summarize=None, message=None, name=None ) 判断输入张量 x 的元素都大于 0，否则抛出错误 InvalidArgume...
关于pytorch中张量（Tensor）a.shape的全面解读
热门推荐
苑小量的博客
11-21 1万+
关于pytorch中张量（Tensor）a.shape的解读，很多人对shape的输出感到迷惑，今天就带你们解读一下shape的全方面教学。 a=torch.tensor([4,3,28,28]) ##第一个维度从0~2，取前两个维度 in: a[:2].shape out: torch.size([2,3,28,28]) ##第一个维度从0–2，前两个维度，第二个维度0~1，取前两个维度 in: a[:2,:1,:,:].shape out: torch.size([2.1.28.
周宣辰的PyTorch学习笔记：迁移学习与卷积网络
在PyTorch中，`torch`模块则提供了张量（tensor）操作和神经网络构建的功能。全连接层（FC层）在神经网络中起到连接前一层的所有节点到后一层的所有节点的作用，广泛用于分类和回归任务。 周报的下周计划持续聚焦于...
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

ThetaQing

你的鼓励将是我创作的最大动力

¥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