torch维度获取数据详解

 

import torch
import numpy as np

# 80 10 5 3:4
# 80 3 11 11
import copy
a = torch.linspace(-4, -1, steps=4)


b = torch.linspace(1, 256, steps=256).view(4,4, 4,4)
d= torch.linspace(1, 256, steps=256).view(4,4, 4,4)

a=[0,1]
#取单个值,
a=[[0,0,0,1],[0,0,0,2]]#维度变了


d[np.asarray(a)]=0

c=[[0,1],[0,2]]
if a==c:
print("0000000000")

b[np.asarray(c)]=0
if int(torch.max(d-b))==0:
print("same")
# if b[np.asarray(a)]==b[np.asarray(c)]:
# print("11111111111")
# print(np.array(a))
#
# b[np.array(a)]=0

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
`torch.rfft` 是 PyTorch 中一个用于实现快速傅里叶变换(FFT)的函数。它可用于对实数或复数序列执行 FFT,并返回实数或复数频谱。下面是 `torch.rfft` 的用法详解: ``` torch.rfft(input, signal_ndim, normalized=False, onesided=True, output=None, inverse=False) ``` 参数: - `input`(Tensor):要进行 FFT 的输入张量。可以是实数或复数张量。如果是实数张量,则必须是实数输入张量的最后一维的奇数长度。如果是复数张量,则必须是复数输入张量的最后一维的偶数长度。 - `signal_ndim`(int):FFT 要在哪些维度上执行。通常为 1 或 2。 - `normalized`(bool):是否进行归一化。默认为 False。 - `onesided`(bool):是否只返回正频率部分。默认为 True。 - `output`(Tensor):可选参数,输出张量。如果不为 None,则必须具有与输入张量相同的形状。 - `inverse`(bool):是否执行逆 FFT。默认为 False。 返回值: - `output`(Tensor):FFT 的结果。如果 `onesided` 为 True,则返回的张量的最后一维的长度是 `(input.size(-1)//2)+1`,否则长度是 `input.size(-1)`。 示例: ```python import torch # 1D FFT x = torch.randn(5, 4) y = torch.rfft(x, 1) print(y.shape) # torch.Size([5, 3, 2]) # 2D FFT x = torch.randn(5, 4, 3, 2) y = torch.rfft(x, 2) print(y.shape) # torch.Size([5, 3, 2, 2]) # Inverse FFT x = torch.randn(5, 4, 3) y = torch.rfft(x, 2) z = torch.irfft(y, 2, signal_sizes=x.shape[-3:]) print(z.shape) # torch.Size([5, 4, 3]) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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