torch.narrow

最新推荐文章于 2023-04-27 20:10:44 发布
最新推荐文章于 2023-04-27 20:10:44 发布
阅读量112 收藏
点赞数
分类专栏： ai 文章标签： python 深度学习
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/weixin_39574469/article/details/118186557
版权
  • 第一个参数是代表横轴删除还是纵轴删除，0为横轴，1为纵轴
  • 第二个和第三个参数代保留开始轴到结束轴的数字，类似于切片
x = torch.tensor([[1,2,3],[4,5,6],[7,8,9]])
x
tensor([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]])

x.narrow(0,0,2)
tensor([[1, 2, 3],
        [4, 5, 6]])

x.narrow(1,1,2)
tensor([[2, 3],
        [5, 6],
        [8, 9]])
张小猪的家
关注
专栏目录
Pytorch基础 - 6. torch.reshape() 和 torch.view()
Aaron_neil的博客
04-14 2620
当tensor是连续的，torch.reshape() 和 torch.view()这两个函数的处理过程也是相同的，即两者均不会开辟新的内存空间，也不会产生数据的副本，只是改变了tensor的头信息区，如stride, 并没有修改这个tensor的存储区 Storage。当处理的tensor是非连续性的(contiguous) view()：在调用view()函数之前需要先调用 contiguous()方法，即x.contiguous().view()。
torch.narrow()
m0_46614636的博客
04-20 636
官方文档： def narrow(self: Tensor, dim: _int, start: _int, length: _int) -> Tensor: 函数作用： ：将第dim维缩短，也就是切片。 比如是5行5列的矩阵，我们只需要其中的第3到4行 start为2，起始是第三行 length为2，一共需要切出两行 函数参数： input (Tensor) – 需要被操作的Tensor dim (int) – 需要被压缩的维度（可以用行，列来类比） start (int) – 从哪一维（可以用
【超简单】torch.narrow()函数
热门推荐
pywin
06-04 5万+
函数返回tensor的第dim维切片start: start+length的数据。
torch.narrow()基本用法介绍
小张Python
12-06 5047
torch.narrow(input,dim,start,length) 从 input 张量中返回一个范围限制后的 张量，范围限制条件为：沿维度dim 从 start 到start+length 的范围区间，类似于数组切片用法，返回的张量与 input 张量共享相同储存基础 参数 input(Tensor) ，需处理的张量； dim(int)，沿着限制的轴； start(int) ，张量起始点； length(int) ，缩窄长度; 例子如下： rand_float = torch.randn((
【Torch API】pytorch 中torch.narrow()、torch.unbind()函数详解
devil_son1234的博客
04-27 497
PyTorch 中的narrow()函数起到了筛选一定维度上的数据作用。个人感觉与x[begin:end] 相同！参考官网：torch.narrow()用法：torch.narrow(input, dim, start, length) → Tensor返回输入张量的切片操作结果。输入tensor和返回的tensor共享内存。
pytorch torch.narrow
Claroja
09-05 258
取指定维度的数据 应用 >>> x = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) >>> torch.narrow(x, 0, 0, 2) # 第0维度的 0~2 tensor([[ 1, 2, 3], [ 4, 5, 6]]) >>> torch.narrow(x, 1, 1, 2) # 第1维度的 1~2 tensor([[ 2, 3], [ 5, 6]
torch.narrow(input,dim,start,length)或者tensor.narrow(dim,start,length)
AILEARNER_L的博客
04-15 434
narrow可以理解为对张量的一种剪裁，且他们共用相同的storge a=torch.tensor([i for i in range(0,9)]).reshape(3,3) print(a) b=torch.narrow(input=a,dim=0,start=0,length=2) b #output: tensor([[0, 1, 2], [3, 4, 5], ...
PyTorch 函数解释：torch.narrow()、torch.unbind()
梦家の博客
05-10 1万+
PyTorch 中的narrow()函数起到了筛选一定维度上的数据作用。个人感觉与x[begin:end] x相同！ 参考官网：torch.narrow() 用法：torch.narrow(input, dim, start, length) → Tensor 返回输入张量的切片操作结果。 输入tensor和返回的tensor共享内存。 参数说明： input (Tensor) – 需切片的张量 dim (int) – 切片维度 start (int) – 开始的索引 length (int) – 切片长
pytorch每日一学37(torch.narrow())返回输入张量的缩小版
Fluid_ray的博客
12-05 626
第37个方法 torch.narrow(input, dim, start, length) → Tensor 此方法返回一个新的张量，它是输入张量的缩小版本。指定的dim维度是从头开始输入+长度。**返回的张量和输入张量共享相同的基础存储。**其实就是返回张量是输入张量的视图。 接下来介绍参数: input：需要缩小的张量。 dim：指定要缩小的维度。 start指定维度开始的位置。 length：维度上需要的长度。 接下来看例子： >>> x = torch.tensor([
x_cat = torch.cat(x_shift, 1) # 在dim = 1 维度上进行拼接 x_cat = torch.narrow(x_cat, 2, self.pad, H) # 切片[self.pad,self.pad+H] x_s = torch.narrow(x_cat, 3, self.pad, W) # H=W=14 x_s = x_s.reshape(B, C, H * W).contiguous() x_shift_r = x_s.transpose(1, 2) x = self.fc1(x_shift_r) x = self.dwconv(x, H, W) x = self.act(x) x = self.drop(x)
最新发布
07-23
然后，`torch.narrow`函数对拼接后的张量`x_cat`进行切片操作，切片的维度是第2维度。切片范围是从`self.pad`到`self.pad+H`，得到一个形状为`(B, C_total, H, W)`的张量。这样做是为了去掉填充部分，保留原始输入的...
python torch验证码_Python torch._thnn方法代码示例
weixin_36444022的博客
01-13 1434
本文整理汇总了Python中torch._thnn方法的典型用法代码示例。如果您正苦于以下问题：Python torch._thnn方法的具体用法？Python torch._thnn怎么用？Python torch._thnn使用的例子？那么恭喜您, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在模块torch的用法示例。在下文中一共展示了torch._thnn方法的9...
torch中的tensor操作
养猪的纺织工
12-17 1710
1.关于tensor的一些判断 torch.is_tensor(obj) torch.is_storage(obj) torch.set_default_dtype(d) #默认的type为torch.float32 torch.get_default_dtype() → torch.dtype #(→返回值，下同) torch.set_default_tensor_type(t) torch.numel(input) → int #返回tensor中所有的元素个数 torch.set_printop
CIFAR-10训练模型（ResNet18）
张小猪的家
06-04 6172
1.搭建环境 环境在实验进行时已经搭建完毕，具体步骤就不过多赘述（参考：https://blog.csdn.net/weixin_39574469/article/details/117454061） 接下来只需导入所需的包即可 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt from PIL import Image from tensorflow.keras import layers,activati
CNN中卷积层和池化层的计算
张小猪的家
06-07 4687
使用卷积神经网络时候需要搞清楚卷积层输入输出的尺寸关系，计算公式如下： 这么说很抽象，举个例子，这是pytorch官方给的手写字识别的网络结构： https://pytorch.org/tutorials/beginner/blitz/neural_networks_tutorial.html#sphx-glr-beginner-blitz-neural-networks-tutorial-py 这里是网络结构图： 这是对应的代码： import torch import torch.nn as nn
TORCH.TRIU
张小猪的家
06-24 4408
torch.triu(input, diagonal=0, *, out=None) → Tensor 返回一个上三角矩阵 参数： input：输入的张量 diagonal：对角线 >>> a = torch.randn(3, 3) >>> a tensor([[ 0.2309, 0.5207, 2.0049], [ 0.2072, -1.0680, 0.6602], [ 0.3480, -0.5211, -0.457.
tensorflow gpu版本最新安装方法(2021.06)
张小猪的家
06-01 1904
刚开始接触深度学习，因为有的教程是基于pytorch有的是基于tensorflow，前几天安装完成了pytorch，现在安装一下tensorflow，查看pytorch安装教程请移步：https://blog.csdn.net/weixin_39574469/article/details/117429815 文章目录前言1 cuda安装2 cuDNN安装3 tensorflow 安装 前言 tensorflow的安装过程比pytorch要复杂一些，一定要仔细，不然很容易安装错。 安装tensorflo
pytorch gpu版本最新安装方法(2021.06)
张小猪的家
05-31 1717
第一次安装pytouch，踩了很多坑，于是把安装过程和和遇到的问题总结一下 文章目录安装步骤安装验证出现的问题 安装步骤 不用提前安装cuda，不用提前安装cuda，不用提前安装cuda重要的事情说三遍，现在网上大部分安装教程先安装cuda，但是cuda已经集成在pytorch官网给的安装指令里了，不需要单独安装 首先进入pytorch官网：https://pytorch.org/get-started/locally/ 选择合适的版本后会出现安装命令，只需要用命令行运行pytorch就可以安装完成。
googletrans翻译接口踩坑
张小猪的家
06-13 1603
最近刚开始学习nlp，到了文本增强的互译部分，记录一下调用googletrans遇到的问题 问题1： ConnectTimeout: timed out 解决方法： 在实例化翻译对象时加入service URL translator = Translator(service_urls=[ 'translate.google.cn', ]) 问题2： googletransAttributeError: ‘NoneType’ object has no attribute ‘
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