pytorch学习2

最新推荐文章于 2024-07-30 07:00:00 发布

NicoNull

最新推荐文章于 2024-07-30 07:00:00 发布

阅读量76

点赞数

分类专栏： pytorch学习

本文链接：https://blog.csdn.net/qq_33936667/article/details/107544454

版权

pytorch学习专栏收录该内容

7 篇文章 0 订阅

订阅专栏

运算

(1)torch.nn.functional.softmax(input, dim)
dim:指明维度，dim=0表示按列计算；dim=1表示按行计算。默认dim的方法已经弃用了，最好声明dim

import torch
x = torch.randn(3, 4)
y=torch.nn.functional.softmax(x, dim=0)
print(x)
print(y)

(2)张量的点乘,即哈达马积，torch.mul()

# 张量的点乘,即哈达马积，torch.mul()
x=torch.tensor([[1,2],
                [3,4]])
y=torch.tensor([[1,2],
                [3,4]])
print(torch.mul(x,y))

(3)矩阵的乘法，torch.mm()，遵循矩阵乘的规则，不能用于3Dtensor和2D的tensor的矩阵乘

x=torch.tensor([[1,2],
                [3,4]])
y=torch.tensor([[1,2],
                [3,4]])
print(torch.mm(x,y))

（4）tensor.matmul()，tensor的矩阵乘，可用用于不同维度的tensot的矩阵乘

import torch
x=torch.tensor([[[1,2,3],
                [2,3,1]],
               [[1,2,3],
                [2,3,1]]])
y=torch.tensor([[2],
                [1],
                [1]])
print(torch.matmul(x,y))
outpuy
tensor([[[7],
         [8]],

        [[7],
         [8]]])

(5)torch.bmm(),3Dtensor的矩阵乘，两个操作的tensor必须是3Dtensor

import torch
x=torch.tensor([[[1,2,3],
                [2,3,1]],
               [[1,2,3],
                [2,3,1]]])
y=torch.tensor([[[1,2,3],
                [2,3,1],
                 [2,3,1]],
                [[1,2,3],
                [2,3,1],
                 [2,3,1]]])
print(torch.bmm(x,y))
output
tensor([[[11, 17,  8],
         [10, 16, 10]],

        [[11, 17,  8],
         [10, 16, 10]]])

NicoNull

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
pytorch学习2

运算(1)torch.nn.functional.softmax(input, dim)dim:指明维度，dim=0表示按列计算；dim=1表示按行计算。默认dim的方法已经弃用了，最好声明dimimport torchx = torch.randn(3, 4)y=torch.nn.functional.softmax(x, dim=0)print(x)print(y)(2)张量的点乘,即哈达马积，torch.mul()# 张量的点乘,即哈达马积，torch.mul()x=torch.
复制链接

扫一扫