张量数据类型+创建tensors+索引和切片

最新推荐文章于 2022-12-14 09:14:03 发布
最新推荐文章于 2022-12-14 09:14:03 发布
阅读量176 收藏
点赞数
分类专栏： PyTorch简单使用+深度学习方法论
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/lijiaming_99/article/details/109569942
版权

张量数据类型

在这里插入图片描述
a.dim()告诉为0纬的标量
在这里插入图片描述

创建tensors

在这里插入图片描述
数据量小
在这里插入图片描述

# 少使用的是如下，容易混淆
torch.FloatTensor([2.,3.2])
#建议使用shape
torch.FloatTensor(d1,d2,d3)

rand/rand_like,randint

[0,1]之间取值
randint规定取值范围
在这里插入图片描述
正态分布
在这里插入图片描述
full
在这里插入图片描述
arrange
在这里插入图片描述
linspace等分
在这里插入图片描述
在这里插入图片描述
ones，zeros，eye（单位矩阵）
在这里插入图片描述
randperm（）随机打散
在这里插入图片描述

索引和切片

在这里插入图片描述
在这里插入图片描述
最后一个-1到最后所以就一个
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

ljm_99
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Tensorflow 2.x源码详解之开宗明义：基本介绍和张量(万文多图)
weixin_43178406的博客
01-24 1万+
1. tf2简介 2. 张量tensor（eager tensor） 2.1 张量简介 2.2 创建张量(tensor) 2.2.1 tf.constant 2.2.2 constant_initializer:指定shape和value的类 2.2.3 tf.eye：单位矩阵或指定的1矩阵 2.2.4 tf.fill:指定shape和value 2.2.5 one_hot 2.2.6 tf.ones:指定shape，value为1 2.2.7 ones_initializer ....
Tensor——索引和切片
surymy
06-11 1014
Indexingdim 0 firstselect first/last N(连续索引)select by steps(有间隔索引)select by specific indexindex_select(dim,index)…select by mask(掩码)select by index dim 0 first >>> import torch >>> a = torch.rand(4,3,28,28) >>> a[0].shape torch.S
Tensor学习——创建张量及常规操作（创建、切片、索引、转换、维度变换、拼接）
Chaoy6565的博客
11-20 1688
近期发现卷积神经网络数据都是tensor类型的，自己浅学习了一下，总结如下。在实际使用PyTorch的过程中，张量（Tensor）对象是我们操作的基本数据类型。很多时候，在我们没有特别明确什么是深度学习计算框架的时候，我们可以把PyTorch简单看成是Python的深度学习第三方库，在PyTorch中定义了适用于深度学习的基本数据结构————张量。
Tensorflow学习笔记----数据类型、创建tensor、索引切片
weixin_43580130的博客
08-11 436
一．数据类型 List：对于list里面的数据没有类型限制，如[1 , 1.2 , ’hello’ , …] np.array：能够很方便的存储大量数据的图片数据，不过不支持gpu计算、自动求导等。 tf.Tensor：没有上述两种的缺点。 Tensor(广泛的概念): Scalar：标量，如1.1，是0维的数据，Dim=0 Vector：向量，如[1.1] , [1.1,2.2,…]，是一维的，Dim=1 Matrix：矩阵，如[[1.1,2.2],[3.3,4.4],[5.5,6.6]]是一个2×3的
【OpenPCDet】解读代码中3d anchor的生成逻辑
11-21 1360
对于anchor-based模型来说，anchor无疑是模型设计中至关重要的一环。之前有了解过2d网络中anchor的生成逻辑，这次借助训练3D模型的机会来了解一下OpenPCDet中3d网络模型中anchor的生成逻辑。这里主要是通过解读models/dense_heads/target_assigner/anchor_generator.py中generate_anchors函数来了解这一过程。为方便理解代码中各种变量的具体含义，我准备了一个小型的配置文件。 训练集中总共包含'Truck...
tensor 切片操作（用tensor去切片）
weixin_50764885的博客
12-14 1710
tensor 切片操作（用tensor去切片）
Pytorch基础教程（张量数据类型、创建Tensor、索引与切片、维度变换）
weixin_41741008的博客
05-14 847
pytorch基础教程 一、 pytorch的数据类型 torch.ByteTensor是判断两个张量是否相等；用GPU需要在前面加一个cuda. 如何检验tensor的数据类型，有三种方法 a.type()； type(a); isinstance(a,torch.FloatTenssor) import torch a=torch.randn(2,3) a.type() 'torch.FloatTensor' type(a) torch.Tensor isinstance(a,torch.
深入理解TensorFlow的张量（Tensors）和计算图（Computational Graph）
TensorFlow 的核心概念是张量（tensors）和计算图（computational graph）。 ## 1.2 张量和计算图的重要性 在深度学习中，张量和计算图是两个重要的概念。张量是多维数组，可以表示任意维度的数据，如标量（0维）...
TensorFlow中的张量（Tensors）及其操作
下面将介绍如何在TensorFlow中创建张量的方法、常见数据类型的张量以及如何生成随机张量和常量张量。 ### 2.1 在TensorFlow中创建张量的方法 在TensorFlow中，可以使用`tf.constant()`函数创建常量张量，使用`tf....
Pytorch笔记——1、张量的基本操作
我的博客
05-26 1036
文章目录张量的简要介绍如何创建一个张量创建一个空的张量创建一个0张量创建一个随机张量根据现有数据创建`Tensor`根据现有`Tensor` 创建`Tensor`更多创建Tensor的方法张量的属性tensor.dtypetensor.devicetensor.layouttensor.shape张量的算术操作加法其他算术操作张量的索引改变张量的形状 & 拷贝张量张量的线性代数运算张量的广播机制节省张量计算时的内存开销张量、numpy和list张量 on GPU 张量的简要介绍 在Pytorch中，
PyTorch中的张量（Tensors）及其应用
本章将介绍PyTorch的基础知识，以及其中张量（Tensors）的概念和重要性。 ## 1.1 PyTorch是什么 PyTorch是由Facebook开发的深度学习库，基于Torch库而来，采用了动态计算图的方法。这使得PyTorch具有更好的灵活性...
Tensor多维slice切片操作
My Blogssssssssss~~~
12-12 2785
本博客是记录个人学习slice list对多维tensor进行切片的操作，只是通过程序验证了自己的猜想，但是未能找到相关的其他参考资料，希望有相关参考文献的朋友可以留言给我，感激不尽~
Pytorch：浅探Tensor的各种索引形式
要相信光
12-18 6874
文章目录前因各种Tensor索引操作1. 简单索引2. 一般的花式索引3. 复杂的花式索引4. Informer代码示例 前因 之前一直以为对ndarray的各种索引切片操作还算得上熟悉，但今天师弟问了我Informer实现中ProbSparse Self-Attention的一些Tensor索引操作，才发现有些操作还不太懂，而网上也缺乏相关的参考资料。因此在一系列探索下，写下了这篇博客。 各种Tensor索引操作 构造示例数组x，为一个三维tesnor： import torch x = torch.ar
Tensor的创建方法
热门推荐
weixin_45922730的博客
09-05 1万+
1、直接创建Tensor——torch.tensor() 2、从numpy创建tensor——torch.from_numpy(ndarray) 3、根据数值创建tensor
Lesson 1.张量（Tensor）的创建和索引
QT-Smile
12-16 759
转载自：https://www.bilibili.com/video/BV14X4y1A7KT?p=3 Lesson 1. 张量（Tensor）的创建和常用方法   在实际使用PyTorch的过程中，张量（Tensor）对象是我们操作的基本数据类型。   很多时候，在我们没有特别明确什么是深度学习计算框架的时候，我们可以把PyTorch简单看成是Python的深度学习第三方库，在PyTorch中定义了适用于深度学习的基本数据结构————张量，以及张量的各类计算。其实也就相当于NumPy中定义的Array和对
Tensor:索引操作
qimo601的专栏
01-04 9227
索引操作 Tensor支持与numpy.ndarray类似的索引操作，语法上也类似，下面通过一些例子，讲解常用的索引操作。如无特殊说明，索引出来的结果与原tensor共享内存，也即修改一个，另一个会跟着修改。 In[31]: a = t.randn(3, 4) a Out[31]: tensor([[ 1.1741, 1.4335, -0.8156, 0.7622], [-0.6334, -1.4628, -0.7428, 0.0410], ...
tensor也可以作为索引
Mr.horse的博客
12-03 4294
在TensorFlow中，tensor也可以作为索引，但只能作为同样为tensor类型变量的索引，不能作为list类型变量的索引如下面的例子： import tensorflow as tf index = tf.to_int32([0,1,2]) # index是一个tensor a = [[1,2,3], [4,5,6]] b = a[index[0]] sess = tf.Inter...
Pytorch-tensor的创建，索引，切片
gy77
10-04 853
Tensor的基本使用 1.基本概念 标量：就是一个数，是0维的，只有大小，没有方向 向量：是1*n的一列数，是1维的，有大小，也有方向 张量：是n*n的一堆数，是2维的，n个向量合并而成 2.a.size(),a.shape(),a.numel(),a.dim()的区别 a.size()：输出a的某一维度中元素的个数，若未指定维度，则计算所有元素的个数 a.shape...
深度学习笔记（二）——对Tensor创建、修改、索引操作的整理
weixin_45813658的博客
12-01 4653
Tensor是pytorch中最常用的数据类型，类似于Numpy中的ndarray，这篇文章将会对Tensor的创建、修改和索引的常用操作进行了整理，由于时间问题，索引操作的缺少更为详细的解释，后面会拿出单独一篇文章来说明。
NAMED TENSORS OPERATOR COVERAGE介绍
最新发布
05-31
Named tensors operator coverage是PyTorch中的一个重要功能，它允许用户在处理张量时使用更加直观和易于理解的名称，而不是使用传统的数字索引。具体来说，它允许用户在创建和操作张量时为每个维度指定名称，并且可以使用这些名称来引用该维度，而不必使用数字索引。这样可以使代码更易于理解和维护，并且可以避免由于索引错误导致的错误。 在PyTorch中，Named tensors operator coverage可以应用于大多数常见的张量操作，例如加法、乘法、切片和转置等。此外，它还可以与PyTorch中的其他功能和库集成，例如自动求导和分布式训练等。 总之，Named tensors operator coverage是PyTorch中一个非常实用的功能，它可以提高代码的可读性和可维护性，同时也可以提高开发效率和代码质量。
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