- 博客(4)
- 资源 (1)
- 收藏
- 关注
原创 pytorch学习之合并与拆分Cat、stack、split、chunk
1、cat函数 a = torch.rand(4,32,8) b = torch.rand(5,32,8) print(torch.cat([a,b],dim=0).shape) # torch.Size([9, 32, 8]) cat函数的第一个参数为需要合并的两个张量,第二个参数dim表示哪一维需要合并,如上式表示第0维需要合并,注:除了需合并的维数上的数目可以不同,其他维数需相同 2、stack函数 a = torch.rand(32,8) b = torch.ran
2020-10-25 11:31:24 913
原创 pytorch学习之维度变化
1、view函数: a = torch.rand(4,1,28,28) b = a.view(4,28*28) print(b.shape) #result:torch.Size([4, 784]) 首先产生一个维数为4*1*28*28的张量a,通过view函数对a张量进行操作,将a张量变为一个4*[28*28]的张量,改变之后的张量结果为上式,需注意,改变前后的元素个数不变,即4*1*28*28需等于4*[28*28],例如可以对1*28*28的照片进行处理,
2020-10-23 17:24:33 838
原创 pytorch学习笔记之tensor的创建与切片
直接粘贴代码,其中创建tensor的创建方法不全,有需要的查找,每一行为一个创建方法,每行的第二个#号之后print函数内的操作为对tensor的操作,之后为输出结果,最后为操作的粗略解释 import torch # a = torch.randn(3,4) #创建一个3*4的张量,其中元素为随机的正太数 # a = torch.full([2,2],2) #生成2*2,元素值都为2的张量 # b = torch.Tensor(2,2) # a = torch.arange(0,10,
2020-10-21 21:58:21 630
原创 Pytorch学习笔记之通过numpy实现线性拟合
通过使用numpy库编写简单的Gradient Descent数据位于附件之中 import torch from torch import autograd import numpy as np import matplotlib.pyplot as plt '''torch关于求导的简单运用''' # x = torch.tensor(1.) # a = torch.tensor(1.,requires_grad=True) # b = torch.tensor(2.,requires_grad=T
2020-10-21 10:27:26 638
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人