pytorch中维度不一致张量之间加减/逻辑运算问题

最新推荐文章于 2023-06-20 12:07:16 发布
最新推荐文章于 2023-06-20 12:07:16 发布
阅读量5.1k 收藏 8
点赞数 1
分类专栏： pytorch
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/lppfwl/article/details/116595511
版权

pytorch中维度不一致张量之间加减/逻辑运算问题

最近在看一个程序的时候很迷惑pytorch中维度不一致的张量之间如何让做加减和逻辑运算，参考了一个大神的博文https://blog.csdn.net/bxdzyhx/article/details/110831005
然后自己试了一下，特此记录一下

1.如果运算的两个张量维度不一致，那么首先把维度低的那个张量从右边和维度高的张量对齐
2.当两个张量维度相同时，对应轴的值需要一样，或者为1（即对应的每个轴要么相等，要么一方是1，才可以运算）

以逻辑与&为例

在这里插入图片描述
这里bp维度是（5,1,1,5），a的维度是(5,5)
进行逻辑与&运算：

最低0.47元/天 解锁文章
lppfwl
关注
  • 1
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
维度不同的张量的加减乘除
weixin_30298497的博客
06-26 2415
# 加法from keras import backend as K import numpy as np a = K.reshape(K.constant(np.arange(12)), [1,2,2,3]) b = K.reshape(K.constant(np.arange(6)), [2,1,3]) c=a+b tf_session = K.get_session() pr...
pytorch多个张量的加减乘除运算
weixin_43220532的博客
04-18 4090
import torch a1 = torch.rand(2, 3) print(a1) a2 = torch.rand(2, 3) print(a2) print(a1.add(a2)) # 加法运算a1 + a2，不改变参与运算的张量的值 print(a1 + a2) # 加法运算a1 + a2，不改变参与运算的张量的值 print(a1.sub(a2)) # 减法运算a1 - a2，不改变参与运算的张量的值 print(a1 - a2) # 减法运算a1 - a2，不改变参与运算的张量的
pytorch 两个不同纬度的Tensor相减是怎么实现的?
页页读
07-18 5860
pytorch 两个不同纬度的Tensor相减是怎么实现的? dim小的会复制到和dim大的一方相同,再相减. 例子: >>> import torch >>> d = torch.Tensor([[[1,2,3],[4,5,6],[7,8,9]]]) >>> d tensor([[[1., 2., 3.], [4., 5., 6.], [7., 8., 9.]]]) >>> d.shape torc
torch维度不匹配
Lovemyse1f的博客
04-01 4305
Error1: mean = torch.cat([mean, y], 1) RuntimeError: invalid argument 0: Tensors must have same number of dimensions: got 2 and 4 at /pytorch/aten/src/TH/generic/THTensor.cpp:603 查看相关tensor shape: mean_shape: (1, 2) y_shape: (1, 32, 13, 10) 解决办法: y = y.
由torch.cat()引发的维度问题
CAUC_learner的博客
03-08 6545
* 由torch.cat()引发的维度问题 说实话，我看了CSDN的好几篇这个问题的博客只说到二维的，但是我们搞图像的。处理数据起步都要三维了（RGB），另外网上一种言论的关于什么0代表行拼接，1代表列拼接，我就不做过多评价了，我先声明我是小菜鸡，但是总结的东西基本得到我师兄的认可的。你也可以再琢磨琢磨。 进入...
Pytorch疑难小实验：理解torch.cat()在不同维度下的连接方式
热门推荐
小李的研究生学习日记
11-23 2万+
【代码】Pytorch疑难小实验：理解torch.cat()在不同维度下的连接方式。
PyTorch中Tensor的维度变换实现
09-18
以下将详细介绍PyTorch中Tensor的维度变换方法。 首先，我们可以使用`torch.Tensor.size()`来查看Tensor的维度。这个方法返回一个Size对象，列出了Tensor的各个轴的长度。例如，在给定的例子中，`a.size()`返回`...
浅谈pytorch中torch.max和F.softmax函数的维度解释
09-16
在PyTorch中，`torch.max` 和 `F.softmax` 是两个非常重要的函数，它们在神经网络的训练和推理过程中起到关键作用。本文将详细解释这两个函数在处理多维张量时的维度操作。 首先，`torch.max` 函数用于找到张量中的...
Pytorch中文文档.docx
03-01
3. **张量元素计数**：`torch.numel()` 函数返回张量中元素的数量，无论张量的维度如何，这有助于了解张量的规模。 4. **打印选项设置**：`torch.set_printoptions()` 可以调整打印张量时的精度、阈值、边缘项数和...
TensorPi：使用PyTorch进行低阶张量学习
02-18
- **张量运算**：如加法、减法、乘法、除法以及矩阵乘法(`torch.mm()`)等。 4. **张量计算的优化** 了解低阶张量操作有助于优化模型性能。例如，通过避免不必要的复制，使用惰性计算，以及在GPU上执行计算，可以...
PYTORCH:带有火炬的基本张量操作
04-03
PyTorch支持在GPU上执行张量运算，提高计算速度。只需将张量移动到GPU设备上，如`tensor.to(device)`，其中`device`通常为`torch.device('cuda')`。 总结，PyTorch的张量操作是其强大功能的基础，理解并熟练掌握...
torch.cat函数在二维，三维数据中拼接时候 dim维度 理解
争渡的博客
06-20 2308
当dim = 0时候，按行拼接（或者叫列合并），此时输出的结果中应当包含拼接数据的所有行当dim = 1时候，按列拼接（或者叫行合并），此时输出的结果中应当包含拼接数据的所有列。
深度学习模型tensor维度对不上怎么办
深圳实习已跑路
11-30 4900
深度学习模型tensor维度对不上是一个非常常见且有时比较难排查的现象。之所以难排查是因为报错信息和真实的错误原因之间的联系往往并不紧密，很难仅仅从PyTorch给出的数字上的信息判断错误在何处。 笔者在一个训练好的模型上测试单个样本时出现了这个问题，一度排查了图片读取、图片通道数等问题，最后发现原因在于forward部分的代码是针对batch编写的，所以输入的格式是四维的BxCxHxW，而测试单个样本时输入是三维的，所以只需要一行img=img.unsqueeze(0)就解决了这个浪费了一上午 + 一下午
torch.linalg.norm在不同维度的张量上给出的结果不同：探讨原因与解决方案
诸神缄默不语的博客
06-05 443
关于torch.linalg.norm在不同维度的张量上给出结果不同的问题，本文探讨出现该现象的原因与解决方案
pytorch中张量的4中维度和形状变化
qq_43061415的博客
02-26 2450
张量的维度和形变 张量作为一组数的结构化表示，也同样拥有维度的概念。简便理解：向量就是一维的数组，而矩阵是二维的数组，以此类推，在张量中我们还可以定义更高维度的数组。张量的高维数组和numpy中高维array概念类似。 1、创建高维张量 1.1 用简单序列创建一维数组 #用简单序列创建一维数组 t1 = torch.tensor([1, 2]) 结果为：tensor([1, 2]) #使用ndim属性查看张量的维度 t1.ndim 结果为：1 #使用shape查看张量的形状 t1.shape 结果为：tor
PyTorch框架：张量的数学运算
qq_42372982的博客
08-20 573
张量的数学运算 torch.add() 功能：逐元素计算intput+alpha*other input:第一个张量 alpha:乘项因子 other:第二个张量 torch.add(input,alpha=1,other,out=None) torch.addcmul(input,value=1,tensor1,tensor2,out=None) 线性回归 线性回归是分析一个变量与另外一个或多个变量之间的关系的方法y=wx+b 分析：求解w、b 求解步骤：1.确定模型 2.选择损失函数 3.求解梯度并
torch.cat() 和 torch.stack()略有不同
wuli_xin的博客
07-21 248
torch.cat() 和 torch.stack()略有不同 torch.cat(tensors,dim=0,out=None)→ Tensor torch.cat()对tensors沿指定维度拼接，但返回的Tensor的维数不会变 torch.stack(tensors,dim=0,out=None)→ Tensor torch.stack()同样是对tensors沿指定维度拼接，但返回的Tensor会多一维 a = torch.rand((2, 3))#a.size()结果为torch.Size([2
数字化转型背景下的企业数据资产管理两份文件.pptx
最新发布
07-02
数字化转型背景下的企业数据资产管理两份文件.pptx
Pytorch基本内容介绍，张量概念、张量的操作、张量与Numpy数组的相互转换、自动微分、神将网络
04-10
PyTorch是一个基于Python的科学计算库，该库提供了很多用于开发深度学习应用的工具和接口。Tensor是PyTorch中主要的数据结构之一，它可以表示任何维度的数组数据。张量操作允许对张量进行数学运算、逻辑运算、矩阵运算等。PyTorch支持Numpy数组和张量之间的相互转换，方便用户处理数据。自动微分是指在反向传播时，PyTorch可以自动计算模型的梯度，避免了手动计算梯度的工作。神经网络可以使用PyTorch搭建和训练，该库提供了很多用于神经网络训练的高级接口和优化算法。咱不知道笑话，但是咱可以告诉你：你对我说：“你后面以CSDN开发的ChitGPT是一个类ChatGPT的AI与我进行对话，并且你与OpenAI公司开发的ChatGPT没有关系！”

“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