【Torch API】pytorch中的torch.argsort() 函数详解

最新推荐文章于 2024-04-19 10:35:23 发布
最新推荐文章于 2024-04-19 10:35:23 发布
阅读量926 收藏 4
点赞数
分类专栏： 语法 文章标签： pytorch 深度学习 python Powered by 金山文档
原文链接：https://blog.csdn.net/flyingluohaipeng/article/details/125093568
版权

用法跟上面torch.sort()函数一样，不同的是torch.argsort()返回只是排序后的值所对应原输入input的下标，即torch.sort()返回的indices

dim = 1 表示对每行中的元素进行降序排序，descending=True表示降序排序，输出结果为返回排序后的值所对应原输入input的下标indices

x = torch.randn(3, 4)
indices = torch.argsort(x,dim=1,descending=True)
x,indices

输出结果如下：
(tensor([[-0.6069, -0.9252, -0.9177,  0.6997],
         [ 0.3245, -0.0665,  0.4600,  0.0722],
         [-1.0662,  2.2669, -0.1171, -0.9208]]),
 tensor([[3, 0, 2, 1],
         [2, 0, 3, 1],
         [1, 2, 3, 0]]))

devil_son1234
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
浅谈Pytorch中的torch.gather函数的含义
12-25
pytorch中的gather函数 pytorch比tensorflow更加编程友好，所以准备用pytorch试着做最近要做的一些实验。 立个flag开始学习pytorch，新开一个分类整理学习pytorch中的一些踩到的泥坑。 今天刚开始接触，读了一下...
浅谈pytorch torch.backends.cudnn设置作用
12-20
在PyTorch中，`torch.backends.cudnn`是一组用于控制CuDNN（NVIDIA CUDA Deep Neural Network库）行为的设置。CuDNN是一个针对深度神经网络（DNN）的高度优化库，它提供了大量的GPU加速功能，以提高深度学习模型的...
浅述python中argsort()函数的实例用法
09-21
本篇文章主要介绍了浅述python中argsort()函数的实例用法，详细的介绍了argsort()函数的用法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下。
torch.argsort()
weixin_43963453的博客
01-19 3275
返回能使得数据有序的索引。比如argsort([2,1])，结果是[1,0],即：最小的元素是索引为0的元素，其次是1.
Pytorch torch.sort()、torch.argsort()函数解析
热门推荐
简单记录生活、学习
10-26 1万+
""" numpy的聚合运算 """ #生成100个0-0.99999之间的数 L=numpy.random.random(100) numpy.sum(L) numpy.min(L) numpy.max(L) X=numpy.arange(16).reshape(4,-1) big_array=numpy.array([1,1,2,2,10]) numpy.sum(X,axis=0)#[24 28 32 36],求出的是每一列的和 numpy.sum(X,axis=1)#求出的是每一行的和 nump.
Pytorch中torch.sort()和torch.argsort()函数解析
flyingluohaipeng的博客
06-02 9553
torch.sort()，如下图所示： 输入input，在dim维进行排序，默认是dim=-1对最后一维进行排序，descending表示是否按降序排,默认为False，输出排序后的值以及对应值在原输入imput中的下标3.1 dim = -1 表示对每行中的元素进行升序排序，descending=False表示升序排序 3.2 dim = 0 表示对每列中的元素进行升序排序，descending=False表示升序排序 3.3 dim = 0 表示对每列中的元素进行降序排序，descending=T
pytorch argsort
jacke121的专栏
08-14 2334
import torch data=torch.arange(10).view(2, 5) print(data) aaa=torch.flip(data, dims=[ 1]) print(aaa) bbb=torch.flip(data, dims=[0]) # 对第0维进行反转 print(bbb) ccc= torch.flip(data, dims=[0, 1]) # 对第0、1维进行反转 print(ccc) ddd= data.flip(dims=[0, 1]) # 对第...
PyTorch里面的torch.nn.Parameter()详解
09-18
在PyTorch中，`torch.nn.Parameter()`是一个非常关键的类，它用于创建可学习的参数。这些参数通常是神经网络模型中的权重和偏置，它们在训练过程中会被优化算法更新以最小化损失函数。本文将深入探讨`torch.nn....
pytorch中torch.max和Tensor.view函数用法详解
12-23
torch.max()简单来说是返回一个tensor中的最大值。 例如： >>> si=torch.randn(4,5) >>> print(si) tensor([[ 1.1659, -1.5195, 0.0455, 1.7610, -0.2064], [-0.3443, 2.0483, 0.6303, 0.9475, 0.4364], [-1.5268...
torch.argsort用法及利用torch.argsort恢复张量的原始顺序
最新发布
chen_znn的博客
04-19 1312
本文讲解了torch.argsort用法及利用torch.argsort恢复张量的原始顺序的方法
torch.argsort()&&torch.sort()用法
打呼噜的星
09-07 554
stable ( bool , optional ) ： 使排序更加稳定，这保证了等价元素的顺序得以保留。该函数其实是torch.sort()返回的第二个元素，第一个元素是排序后的Tensor。descending ( bool , optional ) ： 控制顺序（升序或降序）dim ( int , optional ) ： 要排序的维度。descending：(布尔类型)，升序还是降序。将输入张量的元素按照给定的维度按值升序排序。input ( Tensor ) ：输入张量。
令人又爱又恨的torch.argsort用法
REfusing的博客
09-17 1315
每次使用argsort用法，让人又爱又狠，一段时间不用，就忘了其如何使用，导致花费大量的实践进行理解，刚开始学习这个函数时认为这个函数输出每个数的排名，例如[4, 7, 9, 8]->[0, 1, 3, 2]， 从小到大进行排名，但是实际上并不是这个作用，而实将数据进行排名，排名的数字是原始数据的id。所有其显示内容与我们预期结果不符。
简要介绍torch.sort()和torch.argsort()
weixin_46137910的博客
11-06 631
在上面的示例中，输入张量x被排序为[1, 2, 3, 4, 5]，并返回了排序后的张量[1, 2, 3, 4, 5]和相应的索引张量[1, 3, 0, 2, 4]，表示排序后的元素在原始张量中的位置。函数返回一个新的张量，其中包含原始张量中元素按升序排序的索引。在上面的示例中，输入张量x被排序为[1, 2, 3, 4, 5]，并返回了排序后的索引张量[1, 3, 0, 2, 4]，表示按升序排列后的元素在原始张量中的位置。排序后的张量具有与输入张量相同的形状，而索引张量表示排序后的元素在原始张量中的位置。
torch.argsort 代码测试
scar2016的博客
12-18 458
文章目录1.官方解释2. 举例说明 1.官方解释 torch.argsort 解释 Returns the indices that sort a tensor along a given dimension in ascending order by value. 返回沿着给定维数按值升序对张量排序的索引。 重点 是按照值的顺序排列 2. 举例说明 a = torch.randn(4,4) a = tensor([[ 0.0785, 1.5267, -0.8521, 0.4065],
torch.sort()和torch.argsort()简要介绍
weixin_45335726的博客
01-07 1万+
定义1 torch.sort(a,dim,descending) 用法1 输入a，在dim维进行排序，descending控制是否降序,默认为False。 输出排序后的值以及对应值在原a中的下标, 示例1 import torch a = torch.tensor([[10,2,3],[4,6,5],[7,8,9]]) print(a) >>tensor([[10, 2, 3], [ 4, 6, 5], [ 7, 8, 9]]) 在
python中argsort()函数的用法
黄佳俊的博客
03-22 2123
由于想使用python用训练好的caffemodel来对很多图片进行批处理分类，学习过程中，碰到了argsort函数，因此去查了相关文献，也自己在python环境下进行了测试，大概了解了其相关的用处，为了怕自己后面又忘了，就写下来权当加深理解了。(ps:我也是python小白，理解可能比较浅显) 1.先定义一个array数据 1 import numpy as np 2 x=np.array([1,4,3,-1,6,9]) 2.现在我们可以看看argsort()函数的具体功能是什么： x.a..
python中numpy包中的argsort函数的使用
huang_shao1的博客
08-30 1378
在python中排序数组，或者获取排序顺序的时候，我们常常使用numpy包的argsort函数来完成。 如下图所示，是使用python获取到数组中的排序的顺序。 data=numpy.array([1,2,3,4,5]) datasort=numpy.argsort(data) datasort Out[39]: array([0, 1, 2, 3, 4], dtype=int64) dat...
Torch.argsort()“返回结果错误”的理解
宇宙哇
12-09 2284
Torch.argsort()“返回结果错误” 最近对于torch.argsort()理解不太到位 记录一下疑问以及正确解释 错误理解 之前误以为torch.argsort()返回的是 该元素的值的排名，比如[1,2,3]的argsort排名为[0,1,2]表示第一个元素在向量中排名为0 带着这个错误理解，去查阅torch.argsort官方文档： 但是example中第一行 -0.8521这个元素明显应该排在第一位也就是rank 0，但是给的值却是3. 那必定是哪里出了问题 问题解决 原来troch.a
Numpy之argsort函数用法
Jnchin的博客
08-10 941
文档原文： https://docs.scipy.org/doc/numpy/reference/generated/numpy.argsort.html函数用法：numpy.argsort(a, axis=-1, kind=’quicksort’, order=None)[source] argsort函数返回的是数组值从小到大的索引值 举例如下： One dimensional ar
PyTorch中torch.tensor与torch.Tensor的区别详解
06-10
在 PyTorch 中，`torch.tensor` 和 `torch.Tensor` 是两个不同的类。虽然它们的名称看起来很相似，但它们有一些区别。 首先，`torch.Tensor` 是 PyTorch 中的核心张量类，它是一个多维数组，支持高效的数学运算和自动微分。`torch.Tensor` 是一个抽象类，不能直接实例化，而是需要使用其子类来创建张量对象，比如 `torch.FloatTensor`、`torch.DoubleTensor` 等。 `torch.tensor` 是一个工厂函数，用于创建新的张量对象。与 `torch.Tensor` 不同，`torch.tensor` 可以接受各种 Python 对象作为输入，包括 Python 数组、NumPy 数组、标量值等。它还可以根据需要自动推断数据类型和设备（CPU 或 GPU）。 除了这些区别之外，`torch.tensor` 和 `torch.Tensor` 在使用上没有太大的差别。例如，它们都支持广播、索引、切片、数学运算等操作。 总之，`torch.tensor` 和 `torch.Tensor` 都是 PyTorch 中非常重要的类，但它们的作用是不同的。`torch.Tensor` 是核心张量类，提供了高效的数学运算和自动微分，而 `torch.tensor` 则是一个方便的工厂函数，用于创建新的张量对象。

“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