励志的小胡子

一、张量的拼接与切分1. torch.cat(tensor, dim=0, out=None)功能： 将张量按维度dim进行拼接参数：tensors：张量序列dim：要拼接的维度>>> t = torch.ones((2, 3))>>> torch.cat([t, t], dim=0)tensor([[1., 1., 1.], ...

一、Tensor概念        张量是一个多维数组，它是标量、向量、矩阵的高维拓展。张量是三维及以上的数组。标量：是一个常数，为0维张量向量：是一行或者一列数组成，为1维张量矩阵：包含行和列两个维度。是2维张量。torch.Tensor包含的属性：dtype：张量的数据类型，如torch.Floa...

一、计算图与动态机制        计算图是一个表示运算的有向无环图。如果学过图论，应该对有向无环图这个概念很熟悉。一个有向无环图包含“结点”和“边”。TensorFlow和PyTorch都用到计算图。Pytorch中结点表示数据，如向量、矩阵、张量等。边表示运算，如加减乘除等。TensorFlow的数据流图中结点表...

        本博客的内容主要是作者在学习过程中做的一个笔记，如果有幸有人觉得还可以，我们可以一起交流学习。没有其他目的。一、Pytorch简介        PyTorch是最近一个很火的深度学习框架，可以与TensorFlow一较...

1. torch.reciprocal(input, out=None)说明：返回一个新张量，包含输入input张量每个元素的倒数。参数：input(Tensor) -- 输入张量 out(Tensor, 可选) -- 输出张量>>> a = torch.randn(5)>>> atensor([ 0.6535, 1.3616, -1....

1. torch.floor(input, out=None)说明：床函数，返回一个新张量，包含输入input张量每个元素的floor，即不小于元素的最大整数。参数：input(Tensor) -- 输入张量 out(Tenosr, 可选) -- 输出张量>>> a = torch.randn(4)>>> torch.floor(a)ten...

1. torch.eq(input, other, out=None)说明： 比较元素是否相等，第二个参数可以是一个数，或者是第一个参数同类型形状的张量参数：input(Tensor) ---- 待比较张量other(Tenosr or float) ---- 比较张量或者数out(Tensor,可选的) ---- 输出张量返回值： 一个torch.ByteTensor张量，包含了...

1. torch.cumprod(input, dim, out=None)说明： 返回输入沿指定维度的累积积。如果输入是一个N元向量，则结果也是一个N元向量，第i个输出元素值为 yi=x1∗x2∗...∗xiy_{i} = x_{1} * x_{2} * ... * x_{i}yi​=x1​∗x2​∗...∗xi​参数：input(Tensor) ---- 输入张量dim(int) -...

1. torch.abs(input, out=None)说明：计算输入张量的每个元素绝对值参数：input(Tensor) -- 输入张量 out(可选) -- 输出>>> import torch>>> torch.abs(torch.FloatTensor([-1, -2, 3]))tensor([1., 2., 3.])2. t...

1. torch.manual_seed(seed)说明：设置生成随机数的种子，返回一个torch._C.Generator对象。使用随机数种子之后，生成的随机数是相同的。参数：seed(int or long) -- 种子>>> import torch>>> torch.manual_seed(1)<torch._C.Generat...

1. torch.cat(seq, dim=0, out=None)说明：在给定维度上对输入的张量序列seq进行连接操作参数：seq(Tensor的序列) -- 可以是相同类型的Tensor的任何Python序列 dim(int, 可选) -- 张量连接的维度，按dim维度连接张量 out(Tensor,可选) -- 输出参数>>> x = torch.ran...

1. torch.eye(n, m=None, out=None)说明：创建一个2维张量，对角线数字为1， 其他位置为0。也就是一个单位矩阵。参数：n -- 行数， m -- 列数，如果为None，默认等于n， out -- 输出张量>>> import torch>>> torch.eye(3)tensor([[1., 0., 0.],...