pytorch-张量重构view

view在pytorch中是用来改变张量的shape的,简单又好用。

pytorch中view的用法通常是直接在张量名后用.view调用,然后放入自己想要的shape。如

tensor_name.view(shape)

Example:

1. 直接用法:

 >>> x = torch.randn(4, 4)
 >>> x.size()
 torch.Size([4, 4])
 >>> y = x.view(16)
 >>> y.size()
 torch.Size([16])

2. 强调某一维度的尺寸:

>>> z = x.view(-1, 8)  # the size -1 is inferred from other dimensions
>>> z.size()
torch.Size([2, 8])

3. 拉直张量:(直接填-1表示拉直, 等价于tensor_name.flatten())

 >>> y = x.view(-1)
 >>> y.size()
 torch.Size([16])

4. 做维度变换时不改变内存排列            

>>> a = torch.randn(1, 2, 3, 4)
>>> a.size()
torch.Size([1, 2, 3, 4])
>>> b = a.transpose(1, 2)  # Swaps 2nd and 3rd dimension
>>> b.size()
torch.Size([1, 3, 2, 4])
>>> c = a.view(1, 3, 2, 4)  # Does not change tensor layout in memory
>>> c.size()
torch.Size([1, 3, 2, 4])
>>> torch.equal(b, c)

False

注意最后的False,在张量b和c是不等价的。从这里我们可以看得出来,view函数如其名,只改变“看起来”的样子,不会改变张量在内存中的排列。

 

### 回答1: conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c是一个用于安装PyTorch深度学习框架及其相关扩展库的命令。其中,pytorchtorchvision和torchaudio是三个主要的扩展库,用于提供PyTorch的视觉、音频处理功能;而pytorch-cuda=11.7则是一个用于支持GPU加速的扩展库,确保PyTorch能够充分利用CUDA 11.7的性能优势。 可以看到,此命令中含有两个-c参数,分别指定了PyTorch安装包的两个源。第一个-c指定了pytorch源,该源提供了存储在PyTorch官方网站上的最新版本的PyTorch包;第二个-c指定了空间,该源提供了存储在空间镜像上的PyTorch包和其他扩展包。通过这两个源的组合使用,可以确保在安装PyTorch时获取最新版本的软件包。 总之,这个命令让用户可以方便地从官方网站和其他社区获取安装PyTorch所需的所有组件,并支持GPU加速。安装完成后,用户可以快速地开始使用PyTorch进行深度学习相关的研究和应用。 ### 回答2: “conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c” 这段命令的作用是在 Anaconda 环境中安装 PyTorch 及其各项相关组件。 PyTorch 是一个由 Facebook 开源的深度学习框架,它拥有灵活的可扩展性和易于使用的接口。而 torchvision 和 torchaudio 则是 PyTorch 官方提供的图像和语音处理库,可以帮助用户轻松地进行图像和语音相关的操作。 “pytorch-cuda=11.7” 指定了 CUDA 版本为 11.7,CUDA 是 NVIDIA 提供的并行计算平台和编程模型,让数据科学家可以高效地利用 NVIDIA GPU 的性能。而 PyTorch-cuda 则是 PyTorch 的 CUDA 版本,它可以运行在 NVIDIA GPU 上,提升模型的训练和推断速度。 “-c pytorch -c” 是指通过 PyTorch 官方的 conda 渠道来安装 PyTorch。在 Anaconda 的 channels 中,-c 可以指定要安装的软件包来源,PyTorch 的 channel 是 pytorch,所以这里指定为 -c pytorch。 总之,这条命令的作用是在 Anaconda 环境中安装 PyTorch 及其相关组件,并通过 PyTorch 官方渠道来安装。而且,通过指定 CUDA 的版本为 11.7,还可以利用 NVIDIA GPU 来加速模型的训练和推断。 ### 回答3: conda 是一个开源的包管理器,能够帮助我们安装、管理和维护数据科学相关的软件包。PyTorch 是一种深度学习框架,主要用于构建各种类型的神经网络模型。PyTorch 包含了许多功能强大的库,例如 torchvision 和 torchaudio,它们都可以用来帮助我们处理图像和声音数据。而 pytorch-cuda 是一个可选的包,可以让我们在 GPU 上实现更快的计算,提高程序的性能。 如果想要使用这些包,我们可以在命令行中输入以下命令来安装: “conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c” 其中,“conda install” 是安装包的命令,“pytorch torchvision torchaudio” 是需要安装的包的名称,“pytorch-cuda=11.7” 是可选的 GPU 包,“-c pytorch -c” 则是指定 PyTorch 的安装源。 需要注意的是,这个安装命令中的版本号“11.7”是 CUDA 的版本号,如果你的电脑上安装的是其它版本的 CUDA,你需要更改这个版本号来匹配你的 CUDA 版本。同时,如果你没有安装 CUDA,可以不安装 pytorch-cuda,这样就不需要指定 CUDA 的版本号了。 总结来说,运行这个命令可以安装 PyTorch 及其配套的库,同时也能实现在 GPU 上进行加速计算的功能。安装完成后,你就可以使用 PyTorch 来构建和训练自己的深度学习模型了。
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

DLANDML

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