【python】List sort()与torch.sort()

最新推荐文章于 2024-08-15 21:20:47 发布
最新推荐文章于 2024-08-15 21:20:47 发布
阅读量8.8k 收藏 4
点赞数 1
分类专栏： python 文章标签： python
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_36530992/article/details/102557682
版权
本文探讨了Python中list的sort方法和torch库的sort函数，包括如何使用key参数进行自定义排序，以及如何通过两次排序获取元素的相对位置。在讲解过程中，还分享了一个巧妙的排序技巧。
摘要由CSDN通过智能技术生成

【python】List sort与torch.sort

List sort()

  • 对列表进行排序，可先利用.numpy()转化为array，再利用list()转化为列表
  • 使用方法list.sort(key=None, reverse=False)
  • 参数解释
  1. key 用来进行比较的元素，先对原来的数字进行函数映射然后再进行排序，也就是说sort的比较器实际接收到值是key处理后的结果
      a.sort(key=lambda x: -x[0])
  2. reverse 为排序规则，默认为False即升序

sorted()
返回已经排好序的副本


                

                
                
        

        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  Hanawh
                
              
            

            

                关注
              
            

        

        

          
      

      

            

                专栏目录
          









                



	

		

			

				
					
torchscript相关知识介绍（二）

				
			

			

				

					deep_love1314的博客
				

				

					09-06
					
					2217
					
				

			

		

		

			
				
torchscript相关知识介绍（二）

			
		

	



                

              
                



	

		

			

				
					
torchsort:在PyTorch中进行快速，可区分的排序和排名

				
			

			

				

					03-25
				

			

		

		

			
				
火炬排序
 在PyTorch中进行快速，可区分的排序和排名。
 纯PyTorch实现（Blondel等人）。 大部分代码是从的原始Numpy实现复制而来的，等渗回归求解器被重写为PyTorch C ++和CUDA扩展。
安装
pip install torchsort
 要构建CUDA扩展，您将需要安装CUDA工具链。 如果要在没有CUDA运行时的环境中构建（例如docker），则需要在安装之前导出环境变量TORCH_CUDA_ARCH_LIST="Pascal;Volta;Turing" 。
用法
torchsort公开了两个函数： soft_rank和soft_sort ，每个函数都有参数regularization （ "l2"或"kl" ）和regularization_strength （标量值）。 每个人都将对二维张量的最后一个维度进行排序/排序，其准确性取决于正则化强度：
 

			
		

	



                


  
              

                


	

		

			

				
					
在Python中如何对一个字典(dict)的值进行排序

				
			

			

				

					寒江独钓的博客
				

				

					09-19
					
					4617
					
				

			

		

		

			
				
上代码


>>> xs = {'a': 4, 'b': 3, 'c': 2, 'd': 1}

>>> sorted(xs.items(), key=lambda x: x[1])
[('d', 1), ('c', 2), ('b', 3), ('a', 4)]


或者


>>> import operator
>>> ...

			
		

	





	

		

			

				
					
【Pytorch】torch.sort()

					
最新发布

				
			

			

				

					派大欣的实验笔记
				

				

					08-15
					
					91
					
				

			

		

		

			
				
对输入数据排序，返回两个值，即排序后的数据values和其在原矩阵中的坐标indices。

			
		

	



		

			
		



	

		

			

				
					
python 文件排序

				
			

			

				

					一千零一夜的博客
				

				

					11-13
					
					1335
					
				

			

		

		

			
				
一，1.jpg, 2,jpg, 3.jpg形式


image_list = os.listdir(img_full_name)
image_list.sort(key=lambda x: int(x[:-4]))



二，数字和字母组合形式（P1_1.jpg, P1_2.jpg, P1_3.jpg）


blocks_list = os.listdir(blocks_path)
sStr2 =...

			
		

	





	

		

			

				
					
pytorch中的torch.sort()

				
			

			

				

					欢迎来到道的世界
				

				

					11-04
					
					3390
					
				

			

		

		

			
				
1.用法介绍
 pytorch中的torch.sort()是按照指定的维度对tensor张量的元素进行排序。

torch.sort(input, dim=-1, descending=False, stable=False, * ,out =None)
输入：

 input(tensor): 表示输入的张量
dim(int, optional)：表示张量元素排序的维度
descending(bool, optional)：0表示升序，1表示降序
stable(bool, optional)：保持张量中相

			
		

	





	

		

			

				
					
pytorch中深度拷贝_Pytorch深度指南-torch与Tensor常用操作方法

				
			

			

				

					weixin_39774219的博客
				

				

					12-19
					
					1541
					
				

			

		

		

			
				
pytorch深度指南-torch与Tensor常用操作方法import torchtorch.Tensor会继承某些torch的某些数学运算，例如sort, min/max....不需要调用相应的torch.funciton进行处理,下文中如果是torch/Tensor即表示该函数可以直接对self的tensor使用，也可以使用torch给的相应函数接口torch/Tensor.reshape(...

			
		

	





	

		

			

				
					
pytorch源码分析之torch.utils.data.Dataset类和torch.utils.data.DataLoader类

					
热门推荐

				
			

			

				

					Never-Giveup的博客
				

				

					10-24
					
					3万+
					
				

			

		

		

			
				
写在之前
介绍
Pytorch深度学习框架优势之一是python优先，源代码由python代码层和C语言代码层组成，一般只需要理解python代码层就可以深入理解pytorch框架的计算原理。所以学习pytorch源码需要熟练掌握python语言的各种使用技巧。
在处理任何机器学习问题之前都需要数据读取，并进行预处理。Pytorch提供了许多方法使得数据读取和预处理变得很容易。

torch.ut...

			
		

	





	

		

			

				
					
torch(七)、Math operations(1)

				
			

			

				

					weixin_36670529的博客
				

				

					08-29
					
					1303
					
				

			

		

		

			
				
目录

torch.abs(input, out=None) → Tensor

torch.acos(input, out=None) → Tensor

torch.add()

torch.add(input, alpha=1, other, out=None)

out (Tensor, optional) – the output tensor.

torch.addcdiv(input...

			
		

	





	

		

			

				
					
pytorch的主要模块

				
			

			

				

					m0_45827246的博客
				

				

					12-27
					
					2554
					
				

			

		

		

			
				
1. torch模块
torch模块包含了一些pytorch的常用激活函数，如Sigmoid（torch.sigmoid）、ReLu（torch.relu）和Tanh（torch.tanh）；同时也包含了pytorch张量的一些计算操作，如矩阵的乘法（torch.mm）、张量元素的选择（torch.select）。注意，该模块中计算的对象大多数是pytorch张量。
例：
a = torch.randn(1,2,3,4,5)
torch.numel(a)


2. torch.Tensor模块
torch.

			
		

	





	

		

			

				
					
Pytorch学习：将tensor中的元素按值的大小顺序进行位置调换

				
			

			

				

					噢啦啦耶的博客
				

				

					06-28
					
					5015
					
				

			

		

		

			
				
参考资料：https://blog.csdn.net/LXX516/article/details/78804884
  在Pytorch使用中，可能会用到这样的tensor操作：将tensor中的元素按值的大小顺序进行位置调换，即最大值和最小值进行位置对换，次大值和次小值进行位置对换……根据值的大小依次进行位置对换。如果tensor中的值是按大小顺序排列的，那就是简单的反转。那如果tensor中的值是乱序的呢？
  开动了一下我的小脑筋，我发现可以通过使用一次sort函数得到升序后元素在原tensor中的

			
		

	





	

		

			

				
					
torch.sort

				
			

			

				

					你的博客
				

				

					05-14
					
					2万+
					
				

			

		

		

			
				
torch.sort()
方法原型：
torch.sort(input, dim=None, descending=False, out=None) -> (Tensor, LongTensor)
返回值：
A tuple of (sorted_tensor, sorted_indices) is returned, where the sorted_indices are the indices of the elements in the original input tensor.

参数

.

			
		

	





	

		

			

				
					
Pytorch深度学习实战3-3：张量Tensor的分块、变形、排序、极值与in-place操作

				
			

			

				

					FRIGIDWINTER的博客
				

				

					02-17
					
					3983
					
				

			

		

		

			
				
总结Pytorch中的张量Tensor分块、组合、变形(维度变换、维度交换、序列化与反序列化、扩展)、排序、极值、in-place操作的基本API方法

			
		

	





	

		

			

				
					
第七课 Seq2seq与Attention

				
			

			

				

					qq_44177462的博客
				

				

					07-07
					
					232
					
				

			

		

		

			
				
》Seq2Seq + Attention

Seq2Seq应用：把一句话从一种语言翻译成另一种语言，文本生成，文本摘要等。

Attention用于增强这个模型

Encoder Decoder模型：



-Encoder 是一个 GRU

-Decoder 也是一个 GRU

-训练采用cross entropy loss，与语言模型类似

-图片来自Cho et. al, Learning Phrase Representations using RNN Encoder-Decoder for Sta

			
		

	





	

		

			

				
					
pytorch torch.sort()的用法以及例子

				
			

			

				

					凝眸伏笔的博客
				

				

					01-04
					
					7491
					
				

			

		

		

			
				
1.作用

对tensor中元素排序

2.用法

dim = -1，按照行排序，dim= 1按照列排序，descending=True,则递减排序，否则递增

3.例子

按照行排序


logits = torch.tensor([[[-0.5816, -0.3873, -1.0215, -1.0145,  0.4053],
        [ 0.7265,  1.4164,  1.3443,  1.2035,  1.8823],
        [-0.4451,  0.1673,  1.2590,

			
		

	





	

		

			

				
					
torch.sort()排序函数的参数

				
			

			

				

					知识搬运者
				

				

					01-07
					
					6451
					
				

			

		

		

			
				
import torch

# 数据
a = [[1, 1, 2.5],
     [2.8, 7.5, 5.4],
     [2.5, 9.2, 3.8],
     [2.5, 3.2, 3.5]]
c = torch.tensor(a)
'''
torch.sort(input, dim=-1, descending=False)
    input：输入数据
    dim：在哪个维度排序
    descending：升序还是降序。Ture为升序，默认为False
'''
X = torch..

			
		

	





	

		

			

				
					
PyTorch：torch.sort()

				
			

			

				

					Flag_ing的博客
				

				

					10-16
					
					1418
					
				

			

		

		

			
				
作用：对给定tensor的指定维度进行排序，返回排序后的结果和排序后的值对应原来维度位置的序号。

举例说明：


import torch
a = torch.randint(2, 10,(6,4)) # 创建shape为6*4，值为[2,10]的随机整数的tensor
b, sort_index = torch.sort(a, dim=1, descending=True)  # 对a的第1维度(列)进行降序排序，返回结果和排序后的值对应原来维度位置的序号
print('a:', a)
print('b

			
		

	





	

		

			

				
					
入门pandas—排序与查询(loc)

				
			

			

				

					weixin_51758140的博客
				

				

					01-29
					
					659
					
				

			

		

		

			
				
排序
参数
DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind=‘quicksort’, na_position=‘last’)
参数说明
axis：如果axis=0，那么by=“列名”；如果axis=1，那么by=“行号”；
ascending:True则升序，可以是[True,False]，即第一字段升序，第二个降序
inplace=True：不创建新的对象，直接对原始对象进行修改；
inplace=False：对数

			
		

	





	

		

			

				
					
python deepsort

				
			

			

				

					07-29
				

			

		

		

			
				
要使用Python DeepSORT，您可以按照以下步骤进行操作：

1. 首先，您需要下载相关代码。您可以从GitHub上的https://github.com/HowieMa/DeepSORT_YOLOv5_Pytorch.git下载代码。确保您的计算机上已经安装了PyTorch环境，并按照配置说明进行设置。

2. 在您的代码中引入所需的库。这些库包括hydra、torch、argparse、time、Path、cv2、torch.backends.cudnn、random、BasePredictor、DEFAULT_CONFIG、ROOT、ops、Annotator、colors、save_one_box、get_config、DeepSort、deque和numpy等。

3. 实现您的代码。根据您的需求，您可以使用上述引入的库来实现您的DeepSORT功能。

4. 如果您遇到报错，可以尝试解决报错。例如，在upsampling.py中的报错行可以更改为`return F.interpolate(input, self.size, self.scale_factor, self.mode, self.align_corners)`。另外，在工程main.py中，您可以更改视频源文件的路径。

希望这些信息对您有所帮助！
#### 引用[.reference_title]
-  *1* *3* [【pytorch】使用deepsort算法进行目标跟踪，原理+pytorch实现](https://blog.csdn.net/hh1357102/article/details/129674376)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item]
-  *2* [Python+Yolov8+Deepsort入口人流量统计](https://blog.csdn.net/alicema1111/article/details/130454430)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		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