![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
文章平均质量分 51
Go 鹏ya
这个作者很懒,什么都没留下…
展开
-
【pytorch框架学习】nn.Embedding中的padding_idx用法示意
import torchimport torch.nn as nnembedding1 = nn.Embedding(10,3)embedding1.weightParameter containing:tensor([[-0.9116, 0.5195, -1.3509], [ 0.5670, 0.8024, -0.0373], [-0.8223, -1.2181, -0.6713], [-1.2734, -1.0591, -1.1202],原创 2021-08-22 12:38:34 · 1695 阅读 · 0 评论 -
【自然语言处理】pytorch中使用LSTM
LSMT层可以在troch.nn模块中找到LSTM类lstm = torch.nn.LSTM(*paramsters)1、__init__方法首先对nn.LSTM类进行实例化,需要传入的参数如下图所示:一般我们关注这4个:input_size表示输入的每个token的维度,也可以理解为一个word的embedding的维度。hidden_size表示隐藏层也就是记忆单元C的维度,也可以理解为要将一个word的embedding维度转变成另一个大小的维度。除了C,在LSTM中输出的H的维度原创 2021-08-12 11:47:00 · 1027 阅读 · 0 评论 -
【自然语言处理】pytorch中如何使用RNN
RNN循环神经网络RNN基本形式nn.RNN基础RNN2 layer RNN如下所示,带入上面知识理解nn.RNNCell2 layer RNNCellRNN基本形式(这里主要讲pytorch的实现,具体RNN细节请参考链接: link)RNN是用来处理带有时间序列的信息的,每一个时间段采用一个Cell来存储这个时间段之前的所有信息,即h0。最一开始需要我们初始化建立一个h0表示在输入数据前起始的Cell状态,然后该h0与第一个时间上的信息x0经过运算相加形成第一个带有记忆信息的Cell,即h1。原创 2021-07-26 14:27:24 · 978 阅读 · 0 评论 -
【pytorch框架学习】Pytorch基础操作
1.判断数据类型a.type()// 或者isinstance(a,torch.FloatTensor)2.tensor 和 Tensor区别Tensor类的未初始化,随机的数据会非常大活非常小a = torch.tensor(2.2) //tensor(2.2)标量a.shape //torch.Size([]),dim=0torch.tensor([1.1]) //tensor([1.100])向量torch.Tensor(2) //tensor([3.2,4.9]);指定原创 2021-04-05 21:31:45 · 213 阅读 · 0 评论 -
Pytorch中的操作是否新结果分配内存的几个问题
自己给自己赋值操作问题1before = id(Y)Y = Y+Xid(Y) = before输出:False解决方法Z = torch.zeros_like(Y)id_before = id(Z)Z[:] = X+Yid_later = id(Z)id_before = id_later输出:True问题2-reshapea = torch.arange(12)b = a.reshape((3,4))b[:] = 2a输出:[2,2,2,2,2,2,2,2,2原创 2021-04-02 14:09:24 · 338 阅读 · 0 评论