Pytorch：tensor的运算

最新推荐文章于 2024-06-18 16:46:10 发布
最新推荐文章于 2024-06-18 16:46:10 发布
阅读量1.2k 收藏 1
点赞数 2
分类专栏： 深度学习实践 文章标签： Pytorch 深度学习
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/qq_21578849/article/details/87966432
版权
本文介绍了Pytorch中张量的创建、变换等基本操作，包括torch.Tensor、torch.randn、torch.rand等初始化方法，以及view、reshape、squeeze、unsqueeze、expand、repeat等变换技巧。此外，还探讨了Pytorch的broadcasting机制，如何让张量与标量高效地进行运算。
摘要由CSDN通过智能技术生成

一、tensor操作

1. 新建
A、torch.Tensor(shape)/torch.FloatTensor(shape)：随机初始化一个维度为shape的张量。
在这里插入图片描述
B、torch.randn(shape)：用均值为0，方差为1的高斯分布初始化一个shape的张量。
在这里插入图片描述
C、torch.rand(shape)：在区间[0,1]上均匀分布，初始化一个shape的张量。
在这里插入图片描述
2、Tensor的变换
A、view / reshape
两个用法差不多，都是用来改变一个张量的数据分布。
在这里插入图片描述
注：(2,-1)中的-1会自动计算剩下的维度。
B、squeeze / unsqueeze
第一个是用来压缩维度为1的张量，如(6,1,32,32).squeeze()之后就变为(6,32,32)；第二个是用来增加一个维度。具体看实例如下：

最低0.47元/天 解锁文章
idotc
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pytorch:tensor的运算
meijie2018_1的博客
10-22 2571
** 一、加减乘除 ** torch.add / torch.sub / torch.mul / torch.div 分别为矩阵对应元素的加减乘除 与使用符号±*/功能相同 //表示整除 In [1]: import torch In [2]: a = torch.rand(3,4) In [3]: b = torch.rand(4) In [4]: a+b Out[4]: tensor([...
Pytorch Tensor基本数学运算详解
09-18
今天小编就为大家分享一篇Pytorch Tensor基本数学运算详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
pyTorch中tensor运算
weixin_43328816的博客
04-12 3961
文章目录PyTorch的简介PyTorch中主要的包PyTorch的安装使用GPU的原因使数据在GPU上运行什么使Tensor（张量）一些术语介绍Tensor的属性介绍（Rank，axis，shape）RankAxis（轴）shape（形状）不同环境下对Tensor的解释卷积神经网络中对Tensor的解释（CNN）PyTorch下的基本张量输出通道和特征映射PyTorch中对Tensor的解释 PyTorch的简介 PyTorch中主要的包 torch：是顶级PyTorch软件包和tensor库。 torc
pytorch中的基本计算方法
最新发布
weixin_42691967的博客
06-18 305
假设 A 和 B 是形状为 [batch_size, m, n] 和 [batch_size, n, p] 的三维张量，那么 torch.matmul(A, B) 将返回形状为 [batch_size, m, p] 的结果。5.4、 如果第一个参数是二维张量（矩阵），第二个参数是一维张量（向量），那么将返回矩阵×向量的积。具体来说，如果你有两个张量 A 和 B，它们的形状分别是 [m, n] 和 [n, p]，那么 torch.mm(A, B) 的结果将是一个形状为 [m, p] 的二维张量。
pytorch-深度学习-Tensor的所有运算，人工智能入门必备（含代码）
weixin_59634927的博客
02-05 1475
目录 Tensor的加法运算 Tensor的乘法运算 ​Tensor的除法运算 Tensor的矩阵运算 矩阵乘法 二维 高维 Tensor的幂运算-对数运算 可直接执行的代码 Tensor的加法运算 前三种都是直接相加，第四种带下划线的方式会改变a的值，即a.add_(b)等价于a=a+b Tensor的乘法运算 相乘的Tensor必须维度完全相同，并且对应的结果为对应元素相乘 Tensor的除法运算 Tensor的矩阵运算 矩阵乘法 二维 ...
深度学习之Pytorch tensor 的数学运算
deep_love1314的博客
05-23 1411
1、基础运算 可以使用 + - * / 推荐 也可以使用 torch.add, mul, sub, div （1）加法运算 def add(): # add + # 这两个Tensor加减乘除会对b自动进行Broadcasting a = torch.rand(3,4) b = torch.rand(4) print("a = {}".format(a)) print("b = {}".format(b)) # a、b列数相同，行数不同，将a.
PyTorch 基础：Tensor（张量）-谢TS的博客.pdf
07-17
1. 数学运算：加法、减法、乘法、除法等基本运算，以及指数、对数、平方根等函数运算。 2. 索引和切片：类似于Python列表的索引和切片操作，可以选取Tensor的一部分。 3. 转置和形状操作：改变Tensor的维度排列和...
PyTorch中Tensor的数据统计示例
09-17
它提供了丰富的API来处理数据，并且支持大量的数学运算，其中Tensor是其核心数据结构之一。对于数据分析、模型训练等场景而言，能够熟练掌握Tensor的各种操作是非常重要的。本文将重点介绍PyTorch中Tensor的一些常用...
PyTorch中Tensor的数据类型和运算的使用
09-16
接下来，我们讨论PyTorch中Tensor的常见运算： 1. `torch.abs`：计算Tensor的绝对值。例如，如果输入Tensor包含负数，输出Tensor将包含对应的正数。 2. `torch.add`：执行加法操作，可以是两个Tensor相加，也可以...
PyTorch中Tensor的维度变换实现
09-18
此外，还可以使用`torch.transpose(dim0, dim1)`来交换Tensor的两个维度，这在处理矩阵运算和卷积神经网络时非常常见。`torch.permute(*dims)`允许我们重新排列Tensor的所有维度，这在处理多维数据时非常灵活。 ...
PyTorch 的 torch.Tensor的常见基本运算
weixin_51659315的博客
12-25 545
问题：定义两个张量 import torch tensor1 = torch.tensor([1.0, 2.0, 3.0]) tensor2 = torch.tensor([4.0, 5.0, 6.0]) 1、加法 # 1. 加法 result_addition = tensor1 + tensor2 print("加法结果:", result_addition) 加法结果: tensor([5., 7., 9.]) 2、减法 # 2. 减法 result_subtraction =
pytorch torch.expand和torch.repeat的区别详解
09-18
主要介绍了pytorch torch.expand和torch.repeat的区别详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
关于pytorch中部分矩阵乘法的总结（torch.mm,torch.mul,torch.matmul）
12-21
一、torch.mul 该乘法可简单理解为矩阵各位相乘，一个常见的例子为向量点乘，源码定义为torch.mul（input,other,out=None）。其中other可以为一个数也可以为一个张量，other为数即张量的数乘。 该函数可触发广播机制（broadcast）。 tensor1 = 2*torch.ones(1,4) tensor2 = 3*torch.ones(4,1) print(torch.mul(tensor1, tensor2)) #输出结果为： tensor([[6., 6., 6., 6.], [6., 6., 6., 6.], [6.
Pytorch 中 tensor 常用数学运算
qq_26413875的博客
08-13 5767
[Pytorch]Pytorch中tensor常用语法 原文地址：https://zhuanlan.zhihu.com/p/31494491 上次我总结了在PyTorch中建立随机数Tensor的多种方法的区别。 这次我把常用的Tensor的数学运算总结到这里，以防自己在使用PyTorch做实验时，忘记这些方法应该传什么参数。 总结的方法包括： Tensor求和以及按索引求和：torch.sum(...
PyTorch中tensor.repeat()的使用
热门推荐
Learning
05-02 9万+
学习这个函数的功能的时候，最好还是看得到的结果的维度。不多说，看代码： >>> import torch >>> >>> a = torch.randn(33, 55) >>> a.size() torch.Size([33, 55]) >>> >>> a.repeat(1, 1).si...
PyTorch - torch.Tensor.repeat
flyfish
07-26 218
PyTorch - repeat flyfish torch.Tensor.repeat 沿指定维度重复此张量 import torch # 可以用行列来描述，更容易理解，如何重复[1, 2, 3]的问题 a = torch.tensor([1, 2, 3]) #tensor([1, 2, 3]) #如何重复[1, 2, 3]的问题 print(a.repeat(2)) # 2 * 原列数 #tensor([1, 2, 3, 1, 2, 3]) print(a.repeat(1,2)) #里面的数与a.r
Pytorch Tensor.repeat()的简单用法
xiongxyowo的博客
04-13 8483
相当于手动实现广播机制，即沿着给定的维度对tensor进行重复： 比如说对下面x的第1个通道复制三次，其余通道保持不变： import torch x = torch.randn(1, 3, 224, 224) y = x.repeat(3, 1, 1, 1) print(x.shape) print(y.shape) 结果为： torch.Size([1, 3, 224, 224]) torch.Size([3, 3, 224, 224]) 这个在复制batch的时候用的比较多，上面的情况就相当于b
PyTorch：torch.Tensor.repeat()、expand()
Flag_ing的博客
10-17 2365
目录 1、torch.Tensor.repeat() 2、torch.Tensor.expand() 1、torch.Tensor.repeat() 函数定义： repeat(*sizes) → Tensor 作用： 在指定的维度上重复这个张量，即把这个维度的张量复制*sizes次。同时可以通过复制的形式扩展维度的数量。 注意：torch.Tensor.repeat方法与numpy.tile方法作用相似，而不是numpy.repeat！torch中与numpy.repeat类似的方法是to
【Pytorch】Tensor.repeat()方法
m0_58810879的博客
12-09 1761
使用张量的.repeat()方法，可以将张量看作一个整体，然后根据指定的形状进行重复填充，得到新的张量。
PyTorch基础：Tensor操作入门
5. 张量的运算包括基本的数学运算（如加、减、乘、除）、矩阵运算（如乘法、转置）以及广播机制，这些使得在PyTorch中进行数值计算变得非常直观。例如，两个相同形状的张量可以相加，如 `a + b`。 6. PyTorch还提供...
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