pytorch 只保留tensor的最大值或最小值，其他位置置零

最新推荐文章于 2024-06-12 09:25:45 发布
最新推荐文章于 2024-06-12 09:25:45 发布
阅读量6.4k 收藏 8
点赞数 7
分类专栏： Python 文章标签： pytorch 其他 深度学习
原文链接：https://discuss.pytorch.org/t/keep-the-max-value-of-the-array-and-0-the-others/14480/8
版权
这篇博客介绍了如何使用PyTorch对张量进行操作，特别展示了如何通过`torch.max()`找到每个通道的最大值并用0填充其余元素。作者展示了代码实例和输出结果，适合理解张量处理和条件赋值的基础应用。
摘要由CSDN通过智能技术生成

如下，x是输入张量，dim指定维度，max可以替换成min


import torch

if __name__ == '__main__':
    
    x = torch.randn([1, 3, 4, 4]).cuda()

    mask = (x == x.max(dim=1, keepdim=True)[0]).to(dtype=torch.int32)
    result = torch.mul(mask, x)

    print(x)
    print(mask)
    print(result)

输出效果：

tensor([[[[-0.8807,  0.1029,  0.0184,  1.2695],
          [-0.0934,  1.0650, -0.2927,  0.0049],
          [ 0.2338, -1.8663,  1.2763,  0.7248],
          [-1.5138,  0.6834,  0.1463,  0.0650]],

         [[ 0.5020,  1.6078, -0.0104,  1.2042],
          [ 1.8859, -0.4682, -0.1177,  0.5197],
          [ 1.7649,  0.4585,  0.6002,  0.3350],
          [-1.1384, -0.0325,  0.8490,  0.6080]],

         [[-0.5618,  0.5388, -0.0572, -0.7240],
          [-0.3458,  1.3494, -0.0603, -1.1562],
          [-0.3652,  1.1885,  1.6293,  0.4134],
          [ 1.3009,  1.2027, -0.8711,  1.3321]]]], device='cuda:0')
tensor([[[[0, 0, 1, 1],
          [0, 0, 0, 0],
          [0, 0, 0, 1],
          [0, 0, 0, 0]],

         [[1, 1, 0, 0],
          [1, 0, 0, 1],
          [1, 0, 0, 0],
          [0, 0, 1, 0]],

         [[0, 0, 0, 0],
          [0, 1, 1, 0],
          [0, 1, 1, 0],
          [1, 1, 0, 1]]]], device='cuda:0', dtype=torch.int32)
tensor([[[[-0.0000,  0.0000,  0.0184,  1.2695],
          [-0.0000,  0.0000, -0.0000,  0.0000],
          [ 0.0000, -0.0000,  0.0000,  0.7248],
          [-0.0000,  0.0000,  0.0000,  0.0000]],

         [[ 0.5020,  1.6078, -0.0000,  0.0000],
          [ 1.8859, -0.0000, -0.0000,  0.5197],
          [ 1.7649,  0.0000,  0.0000,  0.0000],
          [-0.0000, -0.0000,  0.8490,  0.0000]],

         [[-0.0000,  0.0000, -0.0000, -0.0000],
          [-0.0000,  1.3494, -0.0603, -0.0000],
          [-0.0000,  1.1885,  1.6293,  0.0000],
          [ 1.3009,  1.2027, -0.0000,  1.3321]]]], device='cuda:0')

Process finished with exit code 0

参考链接：
https://discuss.pytorch.org/t/keep-the-max-value-of-the-array-and-0-the-others/14480/8

不想待在银河系
关注
  • 7
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Python获取二维矩阵每列最大值的方法
12-23
因为做项目中间有一个很小的环节需要这个功能，所以就写了一个简单的小函数，下面是具体实现： #!usr/bin/env python #encoding:utf-8 ''' __Author__:沂水寒城 ''' def get_max_value(martix): ''' 得到矩阵中每一列最大的值 ''' res_list=[] for j in range(len(martix[0])): one_list=[] for i in range(len(martix)): one_list.append(int(martix[i][j]))
torch.max讲解-- 指定维度下，数值最大位置设为1其他为0
计算机视觉
11-20 4095
x是输入张量 dim指定维度 max表示取最大值 import torch if __name__ == '__main__': x = torch.randn([1, 3, 4, 4]).cuda() mask = (x == x.max(dim=1, keepdim=True)[0]).to(dtype=torch.int32) result = torch.mul(mask, x) print(x) print(mask) pri
PyTorch 统计属性-Tensor基本操作
最新发布
哒哒哒哒 哒哒
06-12 913
最小 min, 最大 max, 均值 mean，累加 sum，累乘 prod …norm 范数，非 normalization 不是一个概念。
pytorch topk 保持维度和位置 置零
weixin_37763484的博客
02-26 2306
pytorch的topk能够返回最大的k个值，现在假设有一个[2,3,4]的权重矩阵，如果我们需要在第三个维度找出最大的两个值，（并保持权重矩阵的维度不变，且最大值的位置也不变），topk就不是很好用了，以下代码能解决这个问题： import torch import numpy as np if __name__ == "__main__": x=torch.tensor(np.arange(1,25)).reshape(2,3,4) print(x) # k=2表示选择两个最大值
NumPy每行/每列只保留一个最大值/最小值，其他元素置为0
06-15 1987
import numpy as np input = np.random.randint(100, size=(3, 4)) indices = np.argmax(input, axis=1) indices = np.expand_dims(indices, axis=1) output = np.zeros_like(input) np.put_along_axis(output, indices, 1, axis=1)
(LC)73. 矩阵置零
weixin_45567738的博客
03-21 107
73. 矩阵置零 给定一个 m x n 的矩阵，如果一个元素为 0 ，则将其所在行和列的所有元素都设为 0 。请使用 原地 算法。 进阶： 一个直观的解决方案是使用 O(mn) 的额外空间，但这并不是一个好的解决方案。 一个简单的改进方案是使用 O(m + n) 的额外空间，但这仍然不是最好的解决方案。 你能想出一个仅使用常量空间的解决方案吗？ 示例 1： 输入：matrix = [[1,1,1],[1,0,1],[1,1,1]] 输出：[[1,0,1],[0,0,0],[1,0,1]] 示例 2： 输入
控制Tensor里的数值小于0则置0
小白之比白更白的博客
03-02 1404
通用模板如下，第一个参数是控制条件，这里是小于0，第二个元素是满足条件的赋值，第三个是不满足条件的赋值，这里不小于0则保留原来的数值。同理，不小于0的可以赋值为1。
PyTorch中Tensor的数据统计示例
09-17
无论是基本的统计指标如最小值、最大值还是更复杂的范数计算，PyTorch都提供了丰富的API来满足各种需求。了解并掌握这些方法，不仅能帮助我们更好地理解数据特征，还能提高模型训练的效率和准确性。希望本文能够对你...
Pytorch学习：将tensor中的元素按值的大小顺序进行位置调换
噢啦啦耶的博客
06-28 4996
参考资料：https://blog.csdn.net/LXX516/article/details/78804884   在Pytorch使用中，可能会用到这样的tensor操作：将tensor中的元素按值的大小顺序进行位置调换，即最大值和最小值进行位置对换，次大值和次小值进行位置对换……根据值的大小依次进行位置对换。如果tensor中的值是按大小顺序排列的，那就是简单的反转。那如果tensor中的值是乱序的呢？   开动了一下我的小脑筋，我发现可以通过使用一次sort函数得到升序后元素在原tensor中的
【冰糖Python】PyTorch：最大值 最小值 torch.max() torch.min() torch.maximum() torch.minimum()
热门推荐
冰糖的小屋
03-07 2万+
获得 Tensor 元素中的最大值、最小值 1、torch.max() torch.max(input,dim,keepdim=False) 返回命名元组（最大值，最大值索引），最大值是给定维度中的最大值，索引为在对应维度中的索引 当有多个最大值时，返回第一个最大值的索引 当没有指定维度 dim 时，则返回所有元素中的最大值（single value） input：输入张量 dim：指定的维度 keepdim：默认 False，输出是否保留原始维度 torch 中还给出了直接获取最..
tntorch:使用PyTorch进行Tensor网络学习
05-09
从张量中找到全局最大值和最小值 统计和敏感性分析 使用自动分化进行优化 杂项张量的运算：堆叠，展开，采样，求导等。 批处理操作（正在进行中） 可用的包括： 混合动力车：CP-Tucker，TT-Tucker等 其他分解，...
1.PyTorch数据结构Tensor常用操作
一蓑烟雨任平生
12-07 1111
HalfTensor是专门为GPU版本设计的，同样的元素个数，显存占用只有FloatTensor的一半，所以可以极大缓解GPU显存不足的问题，但由于HalfTensor所能表示的数值大小和精度有限。函数新建tensor是最复杂多变的方式，它既可以接收一个list，并根据list的数据新建tensor，也能根据指定的形状新建tensor，还能传入其他的tensor，下面举几个例子。不会修改自身的数据，返回的新tensor与源tensor共享内存，也即更改其中的一个，另外一个也会跟着改变。
tensorflow：大于阈值置1，小于置0
weixin_44613728的博客
04-17 6905
看了 UeFan写的tensorflow tf.where使用方法，大于某个值为1,小于为0文章，依然有些模糊，自己结合实际注解了一下。 a=tf.random.uniform([2,2]) #随机生成2*2矩阵a one = tf.ones_like(a) #生成与a大小一致的值全部为1的矩阵 zero = tf.zeros_like(a) l...
关于tensor取索引置0一个奇怪的错误
Marco_Reus的博客
03-27 200
当tensor维度是2的时候，假如你想把多个二维索引同时写入令其为0，会发生错误：少于等于2个不会报错，多于两个会报错。逻辑上并不会有问题，可能他就是因为是二维所以你输多了他就不答应。
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 1731
这些曲线真难
torch实现将矩阵满足条件的位置置为0
weixin_39417324的博客
05-24 1170
大概的需求是这样的，我现在有两个相同形状的矩阵a,b a：存放着所有的值这些值，这些值的特点是有的有意义，有的没意义。我把有意义的位置置为1，没意义的位置置为0,这样就得到了一个相同的标志矩阵b b：存放的是a矩阵中，所有位置是否有意义的标记 需求：将a中所有有意义的地方保留原来的值，而没有意义的地方都置为0 思路：使用集成好的包，numpy和torch都可以。而且坚决不用for循环，因为写for循环即啰嗦又低效。 代码： import torch a=[[1,2,3],[5,2,3],[5,4,9]] b
Pytorch使用 —— Tensor
skyrim_H的博客
01-20 956
Pytorch使用 —— Tensor基础使用方法
Pytorch.clamp：将小于0的元素修改为0，截断元素的取值空间
weixin_44633882的博客
04-18 1万+
Pytorch.clamp：将小于0的元素修改为0，截断元素的取值空间 torch.clamp(input, min, max, out=None) → Tensor 将输入中每个元素夹紧到[min,max]区间中，算法公式如下： yi={min⁡ if xi<min⁡xi if min⁡≤xi≤max⁡max⁡ if xi&gt...
PyTorch中的topk函数详解
xuan971130的博客
03-24 440
https://blog.csdn.net/qq_34914551/article/details/103738160?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242
pytorch topk函数
04-04
PyTorch中的topk函数用于获取张量中的前k个最大值或最小值。它的使用方式如下： ```python torch.topk(input, k, dim=None, largest=True, sorted=True, out=None) ``` 参数说明： - `input`：输入张量。 - `k`：要获取的最大或最小值的个数。 - `dim`：指定在哪个维度上进行topk操作，默认为None，表示在整个张量上进行操作。 - `largest`：如果为True，则返回最大的k个值；如果为False，则返回最小的k个值。默认为True。 - `sorted`：如果为True，则返回的按照降序排列；如果为False，则返回的结果不排序。默认为True。 - `out`：输出张量，用于存储结果。 示例代码如下： ```python import torch # 创建一个张量 x = torch.tensor([1, 3, 2, 5, 4]) # 获取最大的两个值及其索引 values, indices = torch.topk(x, k=2) print("最大的两个值：", values) # tensor([5, 4]) print("最大的两个值的索引：", indices) # tensor([3, 4]) ```
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