Pytorch--Tensor的索引与切片

最新推荐文章于 2024-02-10 22:55:31 发布
最新推荐文章于 2024-02-10 22:55:31 发布
阅读量262 收藏
点赞数
分类专栏： Pytorch 文章标签： 数据结构 深度学习 机器学习 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/caixiaobaideye/article/details/119766764
版权

Pytorch--Tensor的索引与切片

1、直接用索引的方式

在这里插入图片描述

相当于创建一个CNN的Tensor
a[0].shape
直接指向对应维度的第几个

2、：号的方式

在这里插入图片描述
三种情况

  1. start：#指从start包括start到最后
  2. ：end #指从开始到end不包括end
  3. start：end#指从start到end，包括start不包括end

特殊情况

start：end：step #分别代表开始位置、结束位置、步长

在这里插入图片描述

3、index_select

a.index_select(dim,tensor)

指定某一维度的tensor
在这里插入图片描述

4、…

在这里插入图片描述
指全部维度

5、 .masked_select()

在这里插入图片描述
代码解释
先通过randn（3，4）创建一个dim为2size为【3，4】的tensor
再通过.ge(0.5)使大于0.5的数字全部置为1，小于0.5的置为0
在通过.maskend_select(x,mask)找出x中原来大于0.5的数字即0.5404，0.6040，1.5771

我和代码有个约会.
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pytorch张量索引切片等学习笔记
09-09
结合网上的相关教程整理的关于pytorch的有关张量，索引，切片以及与numpy相互转换使用的学习笔记，比较完整，有兴趣的可以下载！
PyTorch-Coder
04-09
例如tf.add（x，y）和tf.math.segment_max（data，segment_ids） 从受支持的Python文字（例如（0，1））或其他类似的元组创建元组序列和张量的各种形式的索引和切片，例如tensor [-1]，tensor [1：]和tensor [:, 0：...
Pytorch学习笔记【3】 --tensor切片
python_LC_nohtyp的博客
05-09 9138
Pytorch学习笔记【3】 --tensor切片 Pytorch笔记目录：点位进入 文章目录Pytorch学习笔记【3】 --tensor切片1. indexing 索引2. 切片3. ...4. 通过掩码来处理flatten index 1. indexing 索引 类似于list的索引操作，tensor也可以使用类似的方法获取tensor中的数值 # create a 4-dim tensor a = torch.rand(4,3,28,28) print(a[0].shape) out： tor
Pytorch Tensor的索引和切片
zhuguiqin1的专栏
08-22 2489
假设我们定义这样一个tensor import torch a = torch.rand(4, 3, 28, 28) print(a[0].shape) print(a[0, 0].shape) print(a[0, 0, 2, 4]) # 具体到某个元素
torch Tensor学习：切片操作
weixin_34327761的博客
02-10 2777
torch Tensor学习：切片操作torchTensorSlice一直使用的是matlab处理矩阵，想从matlab转到lua+torch上，然而在matrix处理上遇到了好多类型不匹配问题。所以这里主要总结一下torch/Tensor中切片操作方法以及其参数类型，以备查询。 已知有矩阵M M=torch.range(1,20):resize(4,5) th> M 1 2 ...
PyTorch深度学习入门 Tensor基础 1.1 Tensor 6. 连接和切片
谢谢你们的关注
02-11 392
PyTorch深度学习入门 Tensor基础 1.1 Tensor 6. 连接和切片
Pytorch Tensor的索引与切片例子
09-18
在本篇中，我们将深入探讨PyTorch Tensor的索引与切片操作，这对于理解和处理Tensor数据至关重要。 1. PyTorch风格的索引： PyTorch中的索引类似于NumPy的索引方式，按照Tensor的形状从前往后进行逐维索引。例如，...
09-python-tensor模块
02-13
在`09.16-python-Theano tensor 模块：索引.ipynb`中，将探讨Theano的张量索引和切片功能。Theano支持类似NumPy的索引语法，可以用来访问和修改张量的特定元素或子集。这对于数据处理和模型训练过程中的前向传播和...
PyTorch.docs-1.3.0.zip
03-16
1.3.0版本提供了丰富的Tensor操作，包括初始化、索引、切片、拼接、广播规则以及数学运算等。 2. **自动求导（Automatic Differentiation）**：PyTorch的autograd模块实现了自动梯度计算，这是实现深度学习模型反向...
PyTorch & Tensor基础必学
05-03
在深入探讨PyTorch与Tensor的基础知识之前，我们先理解一下这两个概念的重要性。PyTorch是Facebook开源的一个深度学习框架，以其灵活性、易用性和强大的动态计算图功能而备受推崇。Tensor则是PyTorch中的核心数据...
Pytorch中Tensor的索引，切片以及花式索引(fancy indexing)
qq_44875293的博客
04-09 8328
对pytorch中tensor的索引切片，以及更为高级的花式索引的理解
【PyTorch】PyTorch之Tensors索引切片篇
weixin_44984705的博客
01-18 1556
介绍常用的PyTorch之Tensors索引切片等。
【PyTorch】PyTorch中张量(Tensor)切片操作
goldfisheye的博客
02-10 2306
上文介绍了PyTorch中改变张量(Tensor)形状的操作，本文主要介绍张量切片操作。
Pytorch 张量操作 Python切片操作
偶尔想看云飞的博客
04-03 2096
Pytorch张量切片详解
Pytorch Tensor的索引与切片
热门推荐
洪流之源
06-25 6万+
1. Pytorch风格的索引 根据Tensor的shape，从前往后索引，依次在每个维度上做索引。 示例代码： import torch a = torch.rand(4, 3, 28, 28) print(a[0].shape) #取到第一个维度 print(a[0, 0].shape) # 取到二个维度 print(a[1, 2, 2, 4]) # 具体到某个元素 上述代码创建...
python中list与pytorch中tensor的切片操作
weixin_43794311的博客
11-17 1751
切片注意界限问题 >对于一个元素的形如，a[2],a[:1][7],若超出索引值的范围，会报错 >但形如，a[:1][6:7] ，即使超出范围，这也只是返回一个空列表，不会报错 > 列表切片简单的基础形式A_list[::] 参考：https://blog.csdn.net/weixin_42364852/article/details/112195292 >> A_list[start:stop:step] # :之间的三个参数的含义分别是，开始索引值，结束索引值，取值之
从 X 入门Pytorch——Tensor的索引，切片，拼接，拆分，Reduction操作
Philo的博客
03-18 7181
本文汇总了Tensor常见的索引，切片，拼接和拆分操作，同时给出了示例进行演示
Pytorch基础（二）Tensor的索引和切片
tangbiubiu的博客
01-31 1729
Pytorch基础（二）Tensor的索引和切片 Tensor的index和select **Dim 0 first：**多维张量的索引默认为第一个维度索引 a = torch.Tensor(4, 3, 28, 28) print(a[0].shape) # torch.Size([3,28,28]) print(a[0,0].shape) # troch.Size([28,28]) 选择前N个或后N个 :代表全部 n:代表从第n个到最后（包括第n个） :n代表从第一个到第n个（不包括第n个）
Pytorch中二维张量切片
qq_54708219的博客
02-22 581
pytorch二维张量切片
Pytorch深度学习基础
最新发布
03-12
- 整数索引切片允许用户选择特定行和列，例如`a[rows, cols]`，这里`rows=[0,1]`和`cols=[2,2]`选择的是第0行第2列和第1行第2列的元素，输出为`tensor([2,5])`。 - 布尔索引是一种基于条件的选择，通过比较张量...

“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