1.3 torch_向量/矩阵操作

已于 2022-04-01 10:12:54 修改
阅读量493 收藏
点赞数
分类专栏： 深度学习 文章标签： torch入门
于 2022-04-01 10:09:09 首次发布
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/dc12499574/article/details/123890764
版权
柳家山头号矿工
关注
专栏目录
Transformer大模型实战 计算句子的相似度
AI天才研究院
09-15 469
1. 背景介绍 1.1 问题的由来 在自然语言处理（NLP）领域，句子相似度计算是一个重要的研究问题。它的应用广泛，包括信息检索、文本分类、机器翻译、问答系统等。然而，句子相似度计算并不是一个简单的任务，因为它需要理解句子的语义信息，这是一项非常复杂的工作。 1.
机器翻译中的词向量技术：让翻译更准确、更自然
AI天才研究院
06-27 4094
词向量是一种表示自然语言词汇的连续向量，它能够完整地保存原始语言中词汇的信息，包括词汇的词性、大小写、音标等特征。（2）特征提取：与基于统计的词向量技术不同的是，基于深度学习的词向量技术可以自动从原始语言文本中提取特征，而不需要人工选择。本文旨在阐述机器翻译中的词向量技术，通过介绍词向量技术的原理、实现步骤和应用示例，帮助读者更好地理解词向量技术的作用和优势，从而提高机器翻译的质量和可靠性。（4）词向量评估：与基于统计的词向量技术相似，对训练好的词向量进行评估，计算其准确率、召回率、F1 值等指标。
使用pytorch操作矩阵
limingxin007的博客
12-12 4586
1. 矩阵转置 A = torch.arange(20, dtype=torch.float32).reshape(5,4) A, A.T tensor([[ 0., 1., 2., 3.], [ 4., 5., 6., 7.], [ 8., 9., 10., 11.], [12., 13., 14., 15.], [16., 17., 18., 19.]]), tensor([[ 0., 4., 8., 12., 16.], [ 1., 5., 9., 13., 17.], [
Pytorch向量操作(一): torch.meshgrid
芒果干的博客
11-26 3392
torch.meshgrid(*tensors) tensors: 两个一维向量，如果是0维，当作1维处理 创建网格坐标 Creates grids of coordinates specified by the 1D inputs in attr:tensors. This is helpful when you want to visualize data over some range of inputs. 返回：两个矩阵 第一个矩阵行相同，列是第一个向量的各个元素 第二个矩阵列相同，行是第
【torch】pytorch实现矩阵转置
lee_master的博客
11-15 1万+
想要用矩阵的乘法，然后根据公式的话，我是需要对其中一个矩阵进行转置的，然后就发现说的太多，又没有给分析permute的源码，所以就自己摸官网试了一下，如下代码是可以实现转置操作的mat2和mat3都是转置后的结果，所以我就不知道那个参数起了什么作用了，我也没心思去看源码，因为试验做不完了呀。 if __name__ == '__main__': mat1 = torch.randn(4, 5) print(mat1) mat2 = mat1.permute(1, 0) # 转.
Pytorch常用Tensor操作
weixin_42569537的博客
03-12 720
Tensor基本操作 1.numpy向量转tensor import numpy as np a=np.array([2,2,2,2,3]) b=torch.from_numpy(a) print(a)#[2 2 2 2 3] print(b)#tensor([2, 2, 2, 2, 3], dtype=torch.int32) 2.列表转tensor a=torch.tensor([2,2]) b=torch.FloatTensor([2,2.])#不常用 c=torch.tensor([[1,2],[
pytorch中的矩阵的转置问题
gehueuwhgw的博客
11-02 4038
pytorch三阶张量转置问题
dann的alpha torch_pytorch BiLSTM+CRF代码详解
weixin_30694389的博客
01-26 839
一. BILSTM + CRF介绍1.介绍基于神经网络的方法，在命名实体识别任务中非常流行和普遍。 如果你不知道Bi-LSTM和CRF是什么，你只需要记住他们分别是命名实体识别模型中的两个层。1.1开始之前我们假设我们的数据集中有两类实体——人名和地名，与之相对应在我们的训练数据集中，有五类标签：B-Person， I- Person，B-Organization，I-Organization假...
关于9 tensor数据结构与存储结构的详细介绍
haozige888的博客
09-12 771
文章来自微信公众号【机器学习炼丹术】。 上一节课，讲解了MNIST图像分类的一个小实战，现在我们继续深入学习一下pytorch的一些有的没的的小知识来作为只是储备。 参考目录： @ 目录 1 pytorch数据结构 1.1 默认整数与浮点数 1.2 dtype修改变量类型 1.3 变量类型有哪些 1.4 数据类型转换 2 torch vs numpy 2.1 两者转换 2.2 两者区别 3 张量 3.1 张量修改尺寸 3.2 张量内存存储结构
图像分类篇——使用pytorch搭建AlexNet
weixin_43872060的博客
05-11 843
目录1. AlexNet网络详解1.1 AlexNet网络概述1.2 Dropout1.3 AlexNet网络结构和详细参数2. Pytorch搭建2.1 model.py2.2 train.py2.3 predict.py 本文为学习记录和备忘录，对代码进行了详细注释，以供学习。 内容来源： ★github：https://github.com/WZMIAOMIAO/deep-learning-for-image-processing ★b站：https://space.bilibili.com/1816
动手学深度学习（三）——torch操作（详细整理文档）
Liu Feng's Blog
08-17 4102
非常详细的一个文档，学习pytorch可以详细研究一下： http://www.feiguyunai.com/index.php/2019/09/11/pytorch-char02/#23_Jupyter_Notebook 对一些比较重要的功能和知识点进行复现： 一、创建tensor张量 例子： # 根据list数据生成tensor torch.Tensor([1,2,3,4,5,6]) #根据指定形状生成tensor torch.Tensor(2,3) #根据给定的形状生成torch t = torch.
torch.transpose用法
weixin_47156261的博客
05-10 1万+
torch.transpose：转置经常在矩阵中使用，交换两个维度。 torch.transpose(tensor,dim_0,dim_1) 代码示例： import torch a=torch.tensor([[[1,2,3],[4,5,6]], [[7,8,9],[10,11,12]]]) b=torch.transpose(a,1,2) print("tensor_a",a) print("tensor_b",b) print("a的shape:",a.shape) p
笔记：torch的基本运算
weixin_45562000的博客
10-18 9079
标题1. torch.clamp (a,x,y)2.torch.div(x,y)3.torch.mul(x,y)4. torch.mm(x,y)5.torch.mv(x,y)6. torch.pow(x,y) 1. torch.clamp (a,x,y) a 为张量，x为下界线，y为上界。 当a内某个元素小于x时，取x。在[x,y]内时，取本身。大于y时，取y。 不必纠结是 >=x 还是 >x ,怎么都是取与x相等的值，所以无所谓（y同理） import torch a=torch.randn(
torch学习笔记之——数学运算
qq_58832911的博客
01-17 2446
torch学习笔记之——数学运算：+（add）， -（sub）， *(mul) ，/(div) ，matmul，power，sqrt，Rsqrt，exp ，log ，round，Clamp的灵活运用。
torch中向量、矩阵乘法大总结
说文科技，做有态度的研究。
12-10 6936
一篇文章搞定torch中的向量，乘法操作！ dot可以做向量乘法；*运算符可以做按位乘法，但前提是给定的向量大小相同，否则就会广播做乘法；matmul方法用于做矩阵的乘积，乘积结果视tensor的维度而定。
pytorch学习笔记（四）--tensor的基本运算
ThetaQing的博客
07-11 7420
加减乘除 矩阵相乘 torch.mm 只适用于2d，不推荐 torch.matmul 推荐使用 @ 运算符重载 次方运算 a = torch.full([2,2],3) aa = a.pow(2) 操作运算如下： a.pow(n) 表示an a**n 表示an aa.sqrt() 表示aa 1/2 aa.rsqrt() 表示aa1/3 注意这里没有torch. 幂/对数 a = to...
Pytorch Tensor基本数学运算
热门推荐
洪流之源
06-26 5万+
1. 加法运算 示例代码： import torch # 这两个Tensor加减乘除会对b自动进行Broadcasting a = torch.rand(3, 4) b = torch.rand(4) c1 = a + b c2 = torch.add(a, b) print(c1.shape, c2.shape) print(torch.all(torch.eq(c1, c2))) ...
Pytorch Tensor基本操作
qq_38290604的博客
11-04 542
创建Tensor 从numpy引入 torch.from_numpy() a = np.array([2,3]) torch.from_numpy(a) 使用list导入，不用numpy作为载体 torch.tensor([2,3.3]) #具体的数据作为参数 torch.Tensor(2,3) #size作为参数 torch.tensor()与torch....
python运算符 尤其注意位运算
marmalade要天天向上
10-24 184
详见https://www.runoob.com/python/python-operators.html#ysf5 算术运算符 比较（关系）运算符 赋值运算符 #能反应出来有什么吗 逻辑运算符 位运算符 #能反应出来有什么吗 成员运算符 #能反应出来有什么吗 身份运算符 #能反应出来有什么吗 运算符优先级 Python运算符优先级 以下表格列出了从最高到最低优先级的所有运算符： 运算...
/home/dss/Code/7_20/Condition_DDPM_7_20.py:14: DeprecationWarning: Please use `rotate` from the `scipy.ndimage` namespace, the `scipy.ndimage.interpolation` namespace is deprecated. from scipy.ndimage.interpolation import rotate Traceback (most recent call last): File "/home/dss/Code/7_20/Condition_DDPM_7_20.py", line 509, in <module> ddpm = DDPM(device, beta_1, beta_T, T, drop_prob=0.1) File "/home/dss/Code/7_20/Condition_DDPM_7_20.py", line 309, in __init__ self.model = UNet(T).to(device) File "/home/dss/.conda/envs/DSS_env/lib/python3.9/site-packages/torch/nn/modules/module.py", line 1145, in to return self._apply(convert) File "/home/dss/.conda/envs/DSS_env/lib/python3.9/site-packages/torch/nn/modules/module.py", line 797, in _apply module._apply(fn) File "/home/dss/.conda/envs/DSS_env/lib/python3.9/site-packages/torch/nn/modules/module.py", line 797, in _apply module._apply(fn) File "/home/dss/.conda/envs/DSS_env/lib/python3.9/site-packages/torch/nn/modules/module.py", line 797, in _apply module._apply(fn) File "/home/dss/.conda/envs/DSS_env/lib/python3.9/site-packages/torch/nn/modules/module.py", line 820, in _apply param_applied = fn(param) File "/home/dss/.conda/envs/DSS_env/lib/python3.9/site-packages/torch/nn/modules/module.py", line 1143, in convert return t.to(device, dtype if t.is_floating_point() or t.is_complex() else None, non_blocking) File "/home/dss/.conda/envs/DSS_env/lib/python3.9/site-packages/torch/cuda/__init__.py", line 239, in _lazy_init raise AssertionError("Torch not compiled with CUDA enabled") AssertionError: Torch not compiled with CUDA enabled
最新发布
07-21
这个错误是因为 Torch 没有启用 CUDA 编译。CUDA 是用利用 GPU 运行深度学习型的技术，所以如果你想在 GPU 上运行代码，你需要确保 Torch 已经启用了 CUDA。 要解决个问题，你可以按照以下步骤操作： 1. 确保你的计算机上已经正确安装了 NVIDIA GPU 驱动程序。 2. 确保你的计算机上已经安装了与你的 GPU 对应的 CUDA 版本。可以在 NVIDIA 的官方网站上下载并安装适合你的 GPU 的 CUDA 版本。 3. 确保你的计算机上已经安装了与你的 CUDA 版本相匹配的 PyTorch 版本。可以在 PyTorch 的官方网站上找到适合你的 CUDA 版本的 PyTorch 安装命令。 4. 如果你已经按照上述步骤安装了正确的 CUDA 和 PyTorch 版本，但仍然遇到这个错误，请确保你在代码中正确设置了设备。可以使用 `torch.cuda.is_available()` 函数来检查是否有可用的 CUDA 设备，并使用 `torch.cuda.device()` 函数将模型和张量移动到 CUDA 设备上。 希望这些步骤能帮助你解决问题！如果还有其他疑问，请随时提问。
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