python 常数赋值给tensor、常数和tensor比较大小、常数和tensor比较大小后作为tensor索引

最新推荐文章于 2024-05-19 22:58:17 发布
最新推荐文章于 2024-05-19 22:58:17 发布
阅读量3.9k 收藏 2
点赞数
文章标签： 矩阵 算法 python
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/goodgoodstudy___/article/details/121285083
版权

遇到代码里的连续三行分别为标题所述，人没了
需要结合上一篇一起看：python torch 多个矩阵作为矩阵索引

1.使用到的矩阵说明

(省略号处为1024维)

batch_indices=tensor([[0, 0, 0,  ..., 0, 0, 0],
        [1, 1, 1,  ..., 1, 1, 1],
        [2, 2, 2,  ..., 2, 2, 2],
        [3, 3, 3,  ..., 3, 3, 3]], device='cuda:0')
row_indices=tensor([[   0,    1,    2,  ..., 1021, 1022, 1023],
        [   0,    1,    2,  ..., 1021, 1022, 1023],
        [   0,    1,    2,  ..., 1021, 1022, 1023],
        [   0,    1,    2,  ..., 1021, 1022, 1023]], device='cuda:0')
itself_indices=tensor([[   0,    1,    2,  ..., 1021, 1022, 1023],
        [   0,    1,    2,  ..., 1021, 1022, 1023],
        [   0,    1,    2,  ..., 1021, 1022, 1023],
        [   0,    1,    2,  ..., 1021, 1022, 1023]], device='cuda:0')
group_idx=tensor([[[   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         ...,
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023]],

        [[   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         ...,
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023]],

        [[   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         ...,
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023]],

        [[   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         ...,
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1023]]], device='cuda:0')
temp1=group_idx[batch_indices, row_indices, itself_indices]

temp1=tensor([[   0,    1,    2,  ..., 1021, 1022, 1023],
        [   0,    1,    2,  ..., 1021, 1022, 1023],
        [   0,    1,    2,  ..., 1021, 1022, 1023],
        [   0,    1,    2,  ..., 1021, 1022, 1023]], device='cuda:0')

2、常数赋值给tensor

group_idx[batch_indices, row_indices, itself_indices] = 1024

group_idx=tensor([[[1024,    1,    2,  ..., 1021, 1022, 1023],
         [   0, 1024,    2,  ..., 1021, 1022, 1023],
         [   0,    1, 1024,  ..., 1021, 1022, 1023],
         ...,
         [   0,    1,    2,  ..., 1024, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1024, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1024]],

        [[1024,    1,    2,  ..., 1021, 1022, 1023],
         [   0, 1024,    2,  ..., 1021, 1022, 1023],
         [   0,    1, 1024,  ..., 1021, 1022, 1023],
         ...,
         [   0,    1,    2,  ..., 1024, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1024, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1024]],

        [[1024,    1,    2,  ..., 1021, 1022, 1023],
         [   0, 1024,    2,  ..., 1021, 1022, 1023],
         [   0,    1, 1024,  ..., 1021, 1022, 1023],
         ...,
         [   0,    1,    2,  ..., 1024, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1024, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1024]],

        [[1024,    1,    2,  ..., 1021, 1022, 1023],
         [   0, 1024,    2,  ..., 1021, 1022, 1023],
         [   0,    1, 1024,  ..., 1021, 1022, 1023],
         ...,
         [   0,    1,    2,  ..., 1024, 1022, 1023],
         [   0,    1,    2,  ..., 1021, 1024, 1023],
         [   0,    1,    2,  ..., 1021, 1022, 1024]]], device='cuda:0')

3.常数和tensor比较大小

//相同两个矩阵的距离矩阵，对角线元素为相同点间的距离为0，矩阵沿主对角线对称，因为第2个点和第1个点的距离等于第1个点和第2个点的距离，也即sqrdists[0][1][0]=sqrdists[0][0][1].sqrdists[0]代表第一个batch.
//sqrdists:4*1024*1024
sqrdists=tensor([[[ 0.0000e+00,  1.1386e-01,  6.3624e-01,  ...,  1.3848e+00,
           5.5936e-01,  1.0839e+00],
         [ 1.1386e-01,  0.0000e+00,  8.9093e-01,  ...,  2.2411e+00,
           7.8311e-01,  1.8543e+00],
         [ 6.3624e-01,  8.9093e-01, -5.9605e-08,  ...,  1.5017e+00,
           1.5127e-02,  1.2706e+00],
         ...,
         [ 1.3848e+00,  2.2411e+00,  1.5017e+00,  ..., -5.9605e-08,
           1.6157e+00,  1.8451e-02],
         [ 5.5936e-01,  7.8311e-01,  1.5127e-02,  ...,  1.6157e+00,
           0.0000e+00,  1.3624e+00],
         [ 1.0839e+00,  1.8543e+00,  1.2706e+00,  ...,  1.8451e-02,
           1.3624e+00,  5.9605e-08]],

        [[ 0.0000e+00,  1.5277e+00,  6.1708e-01,  ...,  9.5098e-01,
           2.1011e-01,  1.2949e-02],
         [ 1.5277e+00,  0.0000e+00,  3.4608e+00,  ...,  9.0734e-02,
           1.2185e+00,  1.2821e+00],
         [ 6.1708e-01,  3.4608e+00,  1.1921e-07,  ...,  2.7502e+00,
           1.5215e+00,  7.9318e-01],
         ...,
         [ 9.5098e-01,  9.0734e-02,  2.7502e+00,  ...,  0.0000e+00,
           6.4702e-01,  7.4993e-01],
         [ 2.1011e-01,  1.2185e+00,  1.5215e+00,  ...,  6.4702e-01,
           0.0000e+00,  1.4260e-01],
         [ 1.2949e-02,  1.2821e+00,  7.9318e-01,  ...,  7.4993e-01,
           1.4260e-01,  3.7253e-09]],

        [[-1.1921e-07,  6.5509e-01,  5.0194e-01,  ...,  1.9291e-01,
           1.1051e+00,  5.2810e-01],
         [ 6.5509e-01,  0.0000e+00,  1.4901e-01,  ...,  1.8733e-01,
           1.7176e-01,  1.5647e-01],
         [ 5.0194e-01,  1.4901e-01,  0.0000e+00,  ...,  1.9878e-01,
           1.3537e-01,  3.1886e-01],
         ...,
         [ 1.9291e-01,  1.8733e-01,  1.9878e-01,  ..., -2.9802e-08,
           4.8584e-01,  3.0713e-01],
         [ 1.1051e+00,  1.7176e-01,  1.3537e-01,  ...,  4.8584e-01,
           2.9802e-08,  5.2555e-01],
         [ 5.2810e-01,  1.5647e-01,  3.1886e-01,  ...,  3.0713e-01,
           5.2555e-01,  0.0000e+00]],

        [[-1.1921e-07,  1.5104e+00,  3.3076e+00,  ...,  2.0143e-01,
           1.0395e-01,  2.4303e+00],
         [ 1.5104e+00,  0.0000e+00,  8.1933e-01,  ...,  7.9454e-01,
           1.2310e+00,  7.8964e-01],
         [ 3.3076e+00,  8.1933e-01,  0.0000e+00,  ...,  1.9282e+00,
           2.4735e+00,  4.4241e-01],
         ...,
         [ 2.0143e-01,  7.9454e-01,  1.9282e+00,  ..., -5.9605e-08,
           9.0249e-02,  1.4813e+00],
         [ 1.0395e-01,  1.2310e+00,  2.4735e+00,  ...,  9.0249e-02,
           0.0000e+00,  1.6600e+00],
         [ 2.4303e+00,  7.8964e-01,  4.4241e-01,  ...,  1.4813e+00,
           1.6600e+00, -5.9605e-08]]], device='cuda:0')
radius=0.3 
temp2=sqrdists>radius ** 2
temp2=tensor([[[False,  True,  True,  ...,  True,  True,  True],
         [ True, False,  True,  ...,  True,  True,  True],
         [ True,  True, False,  ...,  True, False,  True],
         ...,
         [ True,  True,  True,  ..., False,  True, False],
         [ True,  True, False,  ...,  True, False,  True],
         [ True,  True,  True,  ..., False,  True, False]],

        [[False,  True,  True,  ...,  True,  True, False],
         [ True, False,  True,  ...,  True,  True,  True],
         [ True,  True, False,  ...,  True,  True,  True],
         ...,
         [ True,  True,  True,  ..., False,  True,  True],
         [ True,  True,  True,  ...,  True, False,  True],
         [False,  True,  True,  ...,  True,  True, False]],

        [[False,  True,  True,  ...,  True,  True,  True],
         [ True, False,  True,  ...,  True,  True,  True],
         [ True,  True, False,  ...,  True,  True,  True],
         ...,
         [ True,  True,  True,  ..., False,  True,  True],
         [ True,  True,  True,  ...,  True, False,  True],
         [ True,  True,  True,  ...,  True,  True, False]],

        [[False,  True,  True,  ...,  True,  True,  True],
         [ True, False,  True,  ...,  True,  True,  True],
         [ True,  True, False,  ...,  True,  True,  True],
         ...,
         [ True,  True,  True,  ..., False,  True,  True],
         [ True,  True,  True,  ...,  True, False,  True],
         [ True,  True,  True,  ...,  True,  True, False]]], device='cuda:0')

4. 常数和tensor比较大小后作为tensor索引

temp3=group_idx[sqrdists > radius ** 2]
temp3=tensor([   1,    2,    3,  ..., 1020, 1021, 1022], device='cuda:0')
study_&
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pytorch逐元素比较tensor大小实例
09-18
今天小编就为大家分享一篇pytorch逐元素比较tensor大小实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
【Tensorflow】Tensor的比较运算
不用先生的博客
08-24 9624
Tensor 的比较运算   在Tensorflow中提供了六个Tensor大小比较的函数分别如下；其中，第一个参数是比较符号前的Tensor，第二个是符号后的Tensor。 compa=tf.less(A,B) ## < #compa=tf.greater(A,B) ## > #compa=tf.greater_equal(A,B) ...
tensor和常数的比较结果是tensor
说文科技，做有态度的研究。
08-23 1396
tensor和常数的比较
pytorch逐元素比较tensor大小
MD2017的博客
08-15 1万+
import torch a = torch.tensor([[0.01, 0.011], [0.009, 0.9]]) mask = a.gt(0.01) print(mask) tensor比较大小可以用tensor.gt属性。上面比较了a中每个元素和0.01的大小，大于0.01的元素输出True。输出结果： tensor([[False, True], [Fals...
Python中的张量学习_python_库
06-03
Python中的张量学习_python import tensorly as tl import numpy as np tensor = tl.tensor(np.arange(24).reshape((3, 4, 2)), dtype=tl.float64) unfolded = tl.unfold(tensor, mode=0) tl.fold(unfolded, mode=0, shape=tensor.shape) You can also create random tensors: from tensorly import random # A random tensor tensor = random.random_tensor((3, 4, 2)) # A random CP tensor in factorized form cp_tensor = random.random_tensor(shape=(3, 4, 2), rank='same')
pytorch之tensor按索引赋值，三种方法！
热门推荐
qq_41368074的博客
06-27 3万+
这里，我们介绍其中一种方法，即torch.scatter_()函数 import torch label = torch.zeros(3, 6) #首先生成一个全零的多维数组 print("label：",label) a = torch.ones(3,5) b = [[0,1,2],[0,1,3],[1,2,3]] #这里需要解释的是，b的行数要小于等于label的行数，列数要小于等于a的列数 print(a) label.scatter_(1,torch.LongTensor(b),a) #参数
Pytorch——tensor转普通数字
Williamcsj的博客
01-03 9545
.item()、.tolist()
Python比较两个数的大小并赋值
devid008的博客
04-24 3644
在Python编程中,经常需要比较两个数的值,并根据大小关系进行赋值操作。这里总结了两种比较两个数并赋值的方法。
Pytorch张量（Tensor）基本介绍与使用
zwy_697198的博客
04-14 6167
文章目录 前言 一、Pytorch张量与数据类型 1.生成随机矩阵 2.查看随机矩阵规模 3.Tensor（张量）基本数据类型及其转换 二、张量运算与形状变换 1.Tensor（张量）计算原则 2.Tensor（张量）形状变换 三、张量微分运算 1.张量的自动微分 2. 设置Tensor不可跟踪计算（测试集常用） 3.就地改变Tensor（张量）变量的requires_grad值
Pytorch-Tensor基础以及简单的神经网络实现
qq_41296039的博客
03-22 296
PyTorch是一个基于Python的科学计算库，是一个用于深度学习的计算机视觉库。它的底层实现是由C/C++语言编写的，同时也兼容其他语言（如Python、C++等）。PyTorch中的Tensor是其最基本的数据类型之一，本篇博客将主要介绍PyTorch中的Tensor，包括Tensor数据类型的介绍和Tensor的运算。同时也会通过实现Python和PyTorch代码的方式，让读者更加深入地了解PyTorch中的Tensor。
python Tensor和Array对比分析
09-18
今天小编就为大家分享一篇python Tensor和Array对比分析，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
在keras 中获取张量 tensor 的维度大小实例
09-16
主要介绍了在keras 中获取张量 tensor 的维度大小实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
pytorch改变tensor维度 - Python-PyTorch reshape Tensor维度
11-25
pytorch改变tensor维度Approach 1: add dimension with NoneApproach 2: unsqueezeApproach 3: viewApproach 4: reshapeApproach 5: resize_如果只想添加一个维度（例如，为批次添加第0个维度），则使用unsqueze（0...
Pytorch张量tensor的使用
IT之一小佬的博客
03-15 980
Pytorch的入门使用 1. 张量Tensor 张量是一个统称，其中包含很多类型： 【各种数值数据统称为张量】 0阶张量：标量、常数，0-D Tensor 【scaler】 1阶张量：向量，1-D Tensor 【vector】 2阶张量：矩阵，2-D Tensor 【matrix】 3阶张量 ... N阶张量 2. Pytorch中创建张量 1.使用python中的列表或者序列创建tensor import torc...
pytorch入门1--数据操作（张量）
qq_51476492的博客
02-24 1304
pytorch
pytorch/tensorflow 直接给张量中的某个位置的值赋值，操作不可导。
zl_gao的搬砖记录
08-29 1183
参考：https://github.com/hadjisma/VideoAlignment/blob/master/d2tw/smoothDTW.py#L44。问题：给一个tensor A中[i,j]，赋值p。解决方案：通过引入一个额外的mask实现。ps: 没debug, 看起来是对的。可能会导致值覆盖，操作不可导。
PyTorch 张量高阶操作
ZHE
04-10 1727
3. 张量高阶操作Broadcast 机制Tensor 分割与合并Tensor 运算Tensor 统计Tensor 高阶操作 Broadcast 机制 Broadcast (expand+withoutcopying) [广播机制] 关键步骤： Insert 1 dim ahead (unsqueeze) Expand dims with size 1 to same size Feature...
【PyTorch】获取Tensor大小，size与shape的区别
算法与编程之美
08-20 6747
Tensor是PyTorch的重要概念之一，获取Tensor的大小的方法主要有两种，其一是size，其二是shape，那么两种方法的区别是什么呢？
【泛微系统】查看流程中引用的矩阵信息
最新发布
烧硬盘
05-19 145
日常运维工作中经常会遇到这类工作，业务调整或者领导要求针对某些流程的某些信息进行批量修改或筛查；而对于我们执行者来说就要快速响应这类工作。其中会有这样的需求，我们要查一下某某审批矩阵的配置信息都有在哪些流程中被引用，有时候我们的流程有上百个，如果人工去排查会造成庞大的工作量，也无法快速的去完成领导安排的工作。以下是梳理的一条SQL语句，可以快速查找对应审批矩阵信息有被哪些流程引用。selecta.workflowname 流程名称,a.version 版本号,
把常数转换为tensor形式的
04-27
将常数转换为tensor形式需要使用TensorFlow或PyTorch等深度学习框架中的函数。以TensorFlow为例，可以使用tf.constant函数将常数转换为tensor形式，如下所示： ``` import tensorflow as tf # 将常数转换为tensor形式 a = tf.constant(3.0) print(a) ``` 输出结果为： ``` tf.Tensor(3.0, shape=(), dtype=float32) ``` 在PyTorch中，可以使用torch.tensor函数将常数转换为tensor形式，如下所示： ``` import torch # 将常数转换为tensor形式 a = torch.tensor(3.0) print(a) ``` 输出结果为： ``` tensor(3.) ```

“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