weixin_43559672的博客

repeat的参数是每一个维度上重复的次数，repeat_interleave的参数是重复的次数和维度。repeat相当于将该张量复制，然后在某一维度concat起来，而repeat_interleave是将张量中的元素沿某一维度复制n次，即复制后的张量沿该维度相邻的n个元素是相同的。a = np.arange(0, 10)a = a.reshape(2, -1)a = torch.from_numpy(a)b = a.repeat(2, 1)print(b)c = a.repeat_inte

例1import torch.utils.data as Dataclass TrainData(Data.Dataset): def __init__(self, data): self.data = data self.len = 10 def __len__(self): return self.len def __getitem__(self, index): # index的取值为[0, len]，

torch.nn.functional.grid_sample首先我们看pytorch文档中给出的描述：torch.nn.functional.grid_sample(input, grid, mode=‘bilinear’, padding_mode=‘zeros’, align_corners=None)Given an input and a flow-field grid, computes the output using input values and pixel location

L1 Loss（Mean Absolute Error，MAE）pytorch代码：torch.nn.L1Loss()L2 Loss（Mean Squared Error，MSE）pytorch代码：torch.nn.MSELoss()L1Loss和MSELoss的参数：旧版的函数有reduce、size_average两个参数，新版的只有一个reduction参数了，功能是一样的。reduction的意思是维度要不要缩减，以及怎么缩减，有三个选项：none：不要压缩，如果参数值为n