![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习pytorch
文章平均质量分 56
彩色的泡沫
作者很懒,什么都写了(*^_^*)(~_~;)
展开
-
机器学习PyTorch——3.高阶OP
一.where函数torch.where(condition, x, y)where函数具体作用为:利用x和y生成一个新的tensor,其中的参数 condition 为一个与x和y一样shape的tensor,掌管着新的tensor的生成条件,如果condition某个位置的值为1,则新的tensor来自与x, 反之为0,则来自于y。(condition的使用很灵活)例如:二.gather函数torch.gather(input, dim, index, out=None)原创 2022-01-10 18:21:11 · 648 阅读 · 0 评论 -
机器学习PyTorch——2.数据统计
一.范数使用norm(),可以指定维度torch.norm(input, p='fro', dim=None, keepdim=False, out=None, dtype=None)input:输入tensor p (int, float, inf, -inf, 'fro', 'nuc', optional):范数计算中的幂指数值。默认为'fro' dim (int,2-tuple,2-list, optional): 指定计算的维度。如果是一个整数值,向量范数将被计算;如果是一个大小为原创 2022-01-09 15:25:34 · 314 阅读 · 0 评论 -
机器学习PyTorch——1.基本运算
一.加减乘除(1)在pytorch中,既可以使用基本的:+,-,*,/,运算符号进行计算,也可以使用pytorch的内置计算函数:add,sub,mul,div。需要注意的是,pytorch中的tensor再进行计算时,会自动进行维度的转换。例如:这里在进行加运算前,将b已经进行维度转换为[3,4]。(2)我们这里来看一下内置函数的使用:这里我们需要注意,这里的运算结果,和直接使用符号进行运算是一样的,我们可以用 eq()来进行一下验证:二.矩阵相乘(1)使用 to.原创 2022-01-08 12:06:03 · 1731 阅读 · 0 评论