pytorch数据操作

本文介绍了PyTorch中如何进行数据操作,包括数组元素访问、数据操作、合并操作、广播机制以及numpy与PyTorch之间的转换,是理解PyTorch深度学习库的重要基础。
摘要由CSDN通过智能技术生成

1.数组访问元素

2.数据操作

x.shape  #访问张量的形状

x.numel()   #返回张量中元素的总数
a = x.reshape(3,4) #将x转换为3行4列
 #a与x指向同一地址空间
torch.zeros((2,3,4))#形状为2 3 4 ,数据为全0

torch.ones((2,3,4))#形状为2 3 4 ,数据为全1

3.合并操作

x = torch.arange(12,dtype=torch.float32).reshape((3,4))

y = torch.tensor([[2.0,1,4,3],[1,2,3,4],[4,3,2,1]])

torch.cat((x,y),dim=0)# 将x,y在行上进行堆叠,形状为6行4列

torch.cat((x,y),dim=0) #将x,y在行上进 列 堆叠,形状为3行8列

4.广播机制

 5.numpy 与 pytorch转换

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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