【pytorch】|tensor维度分析

最新推荐文章于 2024-04-02 08:00:00 发布
最新推荐文章于 2024-04-02 08:00:00 发布
阅读量1.7k 收藏 1
点赞数 1
分类专栏： pytorch学习 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_35608277/article/details/123783221
版权

一个方括号一个维度，从外到内，维度从左到右

a=torch.tensor([[[1,2],[3,4]],
               [[5,6],[7,8]]])

torch.Size([2, 2, 2])

内层的[1,2]为最后一个维度。

a=torch.tensor([[[1,2,2],[3,4,4]],
               [[5,6,6],[7,8,8]]])

torch.Size([2, 2, 3])

再看并列的两个上一层的方括号，因为是两个，所以是中间的2.

a=torch.tensor([ [[1,2],[3,4]] ])

直接判断：
[1，2，2]

rrr2
关注
专栏目录
深度学习自学记录（1）——Tensor的维度理解（参数axis）
qq_40784418的博客
04-08 2959
** 深度学习自学记录——Tensor的维度理解（axis） ** 本人小白自学深度学习时，涉及到矩阵和数组的计算常常出现参数axis，一直搞不懂矩阵和数组中axis参数的含义，参考了大佬的博客在这里记录一下自己的理解，毕竟好记性不如烂笔头。 张量（tensor） 首先了解一下什么是张量，它可以看作是向量和矩阵的自然推广。0维张量表示的是一个数（点），1维张量表示的是一个向量（线），2维张量是一个...
极智AI | pytorch改变tensor维度的方法
极智视界
01-02 996
大家好，我是极智视界，本文介绍一下 pytorch改变tensor维度的方法。
pytorch中tensor维度理解
weixin_45781211的博客
05-17 1011
pytorch：Tensor维度初步理解
ZT0518的博客
01-13 2752
[1, 2, 3] 这是一维向量，size=3 [ [1, 2, 3] ] 这是二维向量，size=1*3 [ [ [1, 2], [3, 4], [5, 6] ], [ [1, 2], [3, 4], ...
Pytorch数据结构：Tensor（张量）及其维度和数据类型
最新发布
m0_63997099的博客
04-02 5511
例如，在深度学习中，经常会处理4维Tensor来表示一批图像数据，其中维度分别代表样本数、高度、宽度和颜色通道。在自然语言处理（NLP）任务中，可能会使用3维或更高维度的Tensor来表示句子、单词和特征向量。Tensor的维度可以理解为Tensor包含的数据在不同方向上的层次或级别。在数学和计算机科学中，维度通常用来描述数据结构的复杂性或者数据在空间中的方向。tensor的维度信息是[2, 3, 2]，表示有2个矩阵，每个矩阵的大小为3x2。tensor的维度信息是[3, 8]，表示矩阵的大小为3x8。
tensor维度
weixin_43889416的博客
01-05 142
tensor维度 a = torch.tensor([1,0,0]) print(len(a)) b = a.unsqueeze(0) print(len(b)) print(b)
pytorch 获取tensor维度信息示例
09-18
本篇文章将深入探讨如何在PyTorch中获取`Tensor`的维度信息，并提供相关的示例。 首先，我们需要导入必要的库： ```python import torch from torch.autograd import Variable ``` 在PyTorch中，`torch.Size`对象...
pytorch改变tensor维度
01-02
记得在改变Tensor维度时，始终检查元素总数是否保持一致，以避免数据丢失或错误。此外，查阅PyTorch官方文档（https://pytorch.org/docs/stable/tensors.html）可以获取更多关于Tensor操作的详细信息。
Pytorch 扩展Tensor维度、压缩Tensor维度的方法
09-16
### PyTorch中扩展与压缩Tensor维度的方法 在深度学习领域，特别是在使用PyTorch进行模型训练时，经常需要处理不同维度的Tensor。有时，原始数据的维度可能不符合模型输入的要求，这就需要我们对Tensor的维度进行...
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`...
图像解析 torch.Tensor 的维度概念 && 用 torch.randn 举例
Flying Bulldog 的博客
05-21 2677
维度是一个抽象的概念，特别是用Pytorch的函数表示的时候。 本文将拿torch.randn举例，直接观察图像来理解维度。 torch.randn 返回一个张量，包含了从标准正态分布(均值为 0，方差为 1，即高斯白噪声)中抽取一组随机数，形状由可变参数 sizes 定义。 （1）代码示例： import torch # 5个参数：5维 # 1个4维（包含2个三维（包含3个2维（包含1个4*5的矩阵））） obj1 = torch.randn(1, 2, 3, 4, 5) print(o.
tensor的维度操作
daxiawudi的博客
06-09 377
pytorch tensor维度操作
Tensorflow中的tensor的维度(dim=0、dim=1)理解
热门推荐
凝眸伏笔的博客
09-15 1万+
1.tensor的维度理解 通过tf.rank()函数可以查看tensor的维度。先看一个例子： import tensorflow as tf a = tf.constant(6) #常量-dim=0 b = tf.constant([3, 3]) #数组-dim=1 c = tf.constant([[6, 3]]) #矩阵-dim=2 d = tf.constant([[[2, 2]]]) #矩阵-dim=3可以想象为空间坐标系 xyz三个轴 sess = tf.Session() #启动图.
张量(tensor)与向量(vector)的维度
Zssss12的博客
02-13 2818
如果我给出一个元组(7,8,9)，凭借我们的数学直觉，我们一眼就看出他是一个向量，代表着在三维空间中的一个有向线段，但是如果我给出的是一个数组a=[7,-8,9],这显然是一个长度等于3的数组，因为我们想声明这个数组时肯定是先int arr[3] = {7,-8,9};//C,这显然是一个一维度数组,那么它到底是几维的？如果你对这个问题产生了疑惑，本文可能会提供一些帮助。
torch三维矩阵中求最后一个维度所有向量两两之间的余弦相似度
KI的博客
05-27 664
torch三维矩阵中求最后一个维度所有向量两两之间的余弦相似度
TensorFlow2-基础（五）：Tensor的维度变换【改变：reshape（view级别）、transpose（content级别）】【增加（expand_dims）、删除（squeeze）】
u013250861的博客
04-16 3358
tensorFlow维度变换可分为两个级别，一个是view级，一个是content级。 view级维度变换：不改变数据的存储关系，比如[3,28,28,3]变换维度为[3,784,3]之后，数据本身并没有改变，属于哪一行哪一列的元素还是可以确定，可以原模原样的恢复为[3,28,28,3]。 content级维度变换：会改变数据的存储关系。content有“目录”的意思，即索引关系，通过[3,28,28,3]这样的索引号能够找到一个元素。当content被改变时，意味着元素之间的索引关系变了。例如[3,28
【Pytorch】系统学习Pytorch（一）——tensor维度理解和取行列值操作
AlexFaker的博客
01-18 1万+
Pytorch最核心的数据类型是tensor（张量），实际上我个人觉得形式上张量就是个高维数组。但是tensor的维度如何理解，比如高维tensor我们取[:,:,:,...:,3]的时候我们取的是那些数？这涉及到对tensor维度的理解。
tensorflow | 维度转换
求知：数据科学家之路
12-20 7715
学习维度转换 shape 计算维度 tf.shape(input,name = None) 案例1 a = tf.constant([i for i in range(20)],shape =[2,2,5]) with tf.Session() as sess: print (sess.run(tf.shape(a))) 结果：[2 2 5] size 计算元素个数
张量（Tensor）的降维与升维
m0_72965654的博客
10-05 1万+
张量的维度简介，降维与升维函数的简介。
pytorch去掉tensor维度为1
07-14
要去掉PyTorch张量中维度为1的维度，可以使用`squeeze()`函数。`squeeze()`函数会删除所有维度为1的维度。如果你只想删除特定的维度，可以使用`squeeze(dim)`，其中`dim`是要删除的维度的索引。下面是一个例子： ```python import torch # 创建一个维度为1的张量 x = torch.randn(3, 1, 2) print("原始张量：") print(x) print("原始张量形状：", x.shape) # 去掉维度为1的维度 y = x.squeeze() print("去掉维度为1的维度后的张量：") print(y) print("去掉维度为1的维度后的张量形状：", y.shape) ``` 输出结果如下： ``` 原始张量： tensor([[[-0.1053, 0.5799]], [[ 1.5041, -0.5413]], [[ 0.3897, -0.4527]]]) 原始张量形状： torch.Size([3, 1, 2]) 去掉维度为1的维度后的张量： tensor([[-0.1053, 0.5799], [ 1.5041, -0.5413], [ 0.3897, -0.4527]]) 去掉维度为1的维度后的张量形状： torch.Size([3, 2]) ``` 如上所示，使用`squeeze()`函数可以去掉维度为1的维度。
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