Pytorch中的tensor操作

已于 2022-11-03 11:26:00 修改
阅读量447 收藏
点赞数
分类专栏： Pytorch 文章标签： python 深度学习
于 2022-07-26 11:57:03 首次发布
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_43526137/article/details/125990860
版权
本文详细介绍了PyTorch中Tensor的各种操作，包括扩充维度、比较大小、torch.prod、重组操作、取整、张量拼接、切断反向传播途径、contiguous、图像维度转换、数据类型转换、tensor乘法、转置以及转换为list等，同时提供了相关函数的使用示例和解释。
摘要由CSDN通过智能技术生成

一. 扩充维度

1.1. 使用unsqueeze

1.2. YOLO里面使用的 [none]

wh1：

wh2：  

    wh1 = wh1[:, None]
    wh2 = wh2[None]

wh1：

wh2： 

二. 比较大小

2.1 torch.min（只需要最后一维shape相同即可）

3x1x2维的张量 与 1x3x2维的张量比较（使用torch.min(wh1,wh2)）（下图右侧）

等效  为左侧扩充维度后的张量比较

已经验证了，结果相同。说明min的内部就是先做了扩充维度，再做比较。

2.2 torch.max

 _, predicted = torch.max(outputs.data, 1)

 返回结果本身以及索

最低0.47元/天 解锁文章
AutoGalaxy
关注
专栏目录
Pytorch——tensor
qq_43124451的博客
10-23 979
1. 张量 a.dim=0:常量(scaler) b.dim=1:向量(vector) c.dim=2:矩阵(matrix) d.dim=3:3阶张量 2. 创建tensor a.从列表中创建 (其中Tensor默认数据类型是float,所以创建的张量会带有“.”) b.从numpy中创建 c.使用torch中的api创建 torch.empty()_创建一个值为空的tensor torch.zeros()_创建一个值全为0的tensor torch.randint(low=a,high=b
Pytorch使用 —— Tensor
skyrim_H的博客
01-20 973
Pytorch使用 —— Tensor基础使用方法
PyTorch之填充操作
最新发布
修行之路
05-29 929
PyTorch之填充操作
pytorch 只保留tensor的最大值或最小值，其他位置置零
bxdzyhx的博客
09-12 6503
如下，x是输入张量，dim指定维度，max可以替换成min import torch if __name__ == '__main__': x = torch.randn([1, 3, 4, 4]).cuda() mask = (x == x.max(dim=1, keepdim=True)[0]).to(dtype=torch.int32) result = torch.mul(mask, x) print(x) print(mask) p
pytorch zero_()函数（将tensor清零）
Dontla的博客
08-15 2988
用0填充该tensor。 可用于梯度清零
pytorch中tensor的合并与截取方法
12-25
合并： torch.cat(inputs=(a, b), dimension=... 您可能感兴趣的文章:详解PyTorch中Tensor的高阶操作在PyTorch中Tensor的查找和筛选例子PyTorch中Tensor的维度变换实现在pytorch中为Module和Tensor指定GPU的例子pytorc
对Pytorch中Tensor的各种池化操作解析
09-18
本文将详细解析PyTorch中Tensor的几种池化操作。 1. **平均池化（Average Pooling）** 平均池化通过计算一个小窗口内的所有元素的平均值来得到输出值。在PyTorch中，`nn.AvgPool*`系列模块提供了不同维度的平均...
PyTorch中Tensor的维度变换实现
09-18
在PyTorch中，Tensor是核心数据结构，用于表示多维数组...无论是查看、变形、压缩还是解压缩Tensor的维度，这些操作都是PyTorch中处理数据的关键步骤。通过熟练运用这些方法，开发者可以更加流畅地编写模型和优化代码。
详解PyTorch中Tensor的高阶操作
09-18
本文主要探讨了PyTorch中Tensor的高阶操作，这些操作提供了更高级的数学和逻辑功能，有助于处理复杂的数学问题和神经网络计算。我们将详细介绍两个关键的高阶操作：`torch.where()`和`torch.gather()`。 1. **条件...
PyTorch中Tensor的数据统计示例
09-17
### PyTorch中Tensor的数据统计详解 #### 引言 PyTorch作为一款强大的机器学习框架，被广泛应用于深度学习领域。它提供了丰富的API来处理数据，并且支持大量的数学运算，其中Tensor是其核心数据结构之一。对于数据...
Pytorch 替换tensor中大于某个值的所有元素
热门推荐
lxb206的博客
01-08 4万+
Pytorch 替换tensor中大于某个值的所有元素
Pytorch之Tensor
WeiXy的博客
07-01 2397
Tensor 又名张量，可简单地认为它就是一个数组，支持GPU加速。 Tensor从接口角度讲，对Tensor的操作可以分为两类： （1） torch.function （2） tensor.function Tensor从存储的角度讲，对Tensor的操作可以分为两类： （1）不会修改自身的数据，如a.add(b)，结果返回一个新的tensor （2）修改自身的数据，如a.add_(b)，结果仍...
pytorch中特殊张量的创建(全零、单位、对角、正态分布、随机采样、arange数列等张量)
qq_43061415的博客
02-27 5482
### 特殊张量的创建方法 **全零、单位、对角、正态分布、随机采样、arange数列等张量** 创建一些特殊取值的张量，用于模拟特殊取值的矩阵，如全0矩阵、对角矩阵等 （1）**torch.zeros()方法**，创建全零张量 ```python （1）#创建全零张量 torch.zeros([2, 3]) 结果为：tensor([[0., 0., 0.], [0., 0., 0.]]) ``` 由于zeros就已经确定了张量元素的取值，因此该函数传入的参数实际上是决定了张量的形状。
pytorch入门
weixin_36670529的博客
09-11 390
1、Tensor(张量) Pytorch里面处理的最基本的操作对象就是Tensor，Tensor是张量的英文，表示的是一个多维的矩阵，比如零维就是一个点，一维就是向量，二维就是一般的矩阵，多维就相当于一个多维的数组，这和numpy是对应的，而且Pytorch的Tensor可以和numpy的ndarray相互转换，唯一不同的是Pytorch可以在GPU上运行，而numpy的ndarray只能在CP...
PyTorch | 零填充张量
W1995S的博客
04-10 4056
如果您只想用零填充张量（而不仅仅是在某处添加额外的零），则可以使用torch.nn.functional.pad： import torch t = torch.arange(8).reshape(1, 4, 2).float() x = torch.nn.functional.pad(t, (1, 1, 1, 1))# 左、右、上、下各填充‘’1‘’个0 print(x) 0 0 0 0 0 1 2 0 0 3 4 0 0 5 6 0 0 7 8 0 0 0 0 0 ...
【动手学深度学习PyTorch版】7 丢弃法
水w的博客
10-24 689
丢弃法
使用pytorch-gpu训练，tensor全部归零！
qq_34346879的博客
03-14 401
解决办法：为了尽快完成项目，直接躺平，将cuda和pytorch-gpu全部删除，重装了cpu版本的torch，故障解除。原因：CUDA版本不匹配！
深度学习入门-Pytorch
零度畅想
11-29 2013
import torch 张量tensor : 数值组成的，可能是多维的数组。 a) 一个轴张量对应数学上的向量vector; b) 两个轴张量对应数学上的矩阵matrix。 # arange创建⼀个⾏向量x x = torch.arange(12) print("x.data = ", x.data) # x.data = tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]) print("x.shape = ", x...
pytorch对tensor进行填充
qq_43232545的博客
12-18 5952
PyTorch之图像和Tensor填充的实例 在PyTorch中可以对图像和Tensor进行填充，如常量值填充，镜像填充和复制填充等。在图像预处理阶段设置图像边界填充的方式如下： import vision.torchvision.transforms as transforms img_to_pad = transforms.Compose([ transforms.Pad(padding=2,...
pytorch中TENSOR VIEWS介绍
05-26
在PyTorch中，Tensor Views是一种非常重要的概念，它可以帮助我们更高效地利用内存并减少计算时间。...然而，需要注意的是，在使用Tensor Views时必须小心，因为一些操作可能会在不经意间修改原始Tensor中的数据。
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