深度学习(五)——Pytorch的索引和切片

最新推荐文章于 2022-06-21 09:00:00 发布
最新推荐文章于 2022-06-21 09:00:00 发布
阅读量523 收藏
点赞数 1
分类专栏： 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_43633568/article/details/104524295
版权
索引注意，最后维度上的值取出来是标量:2->0，1不包含2-1:->最后开始[0 1 2]，用-1表示索引就是-3 -2 -1，所以最后一个是-1，因为从最后开始，所以如果是RGB三通道，就只取了B一个通道start:end:step::2,代表步长为2挑选任一位置…自动识别ge：找比函数的参数大的位置转化为一维...
摘要由CSDN通过智能技术生成

索引
注意，最后维度上的值取出来是标量
在这里插入图片描述
:2->0，1不包含2
-1:->最后开始
[0 1 2]，用-1表示索引就是-3 -2 -1，所以最后一个是-1，因为从最后开始，所以如果是RGB三通道，就只取了B一个通道
在这里插入图片描述
start:end:step
::2,代表步长为2
在这里插入图片描述

最低0.47元/天 解锁文章
Da小伙儿
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度学习的样本
liu1073811240的博客
11-19 3582
文章目录一：什么是样本？二：什么是总体？三：样本抽取规则四：样本的作用五：样本的类型六：数据集各类样本的比例 一：什么是样本？        研究中实际观测或调查的一部分个体称为样本(sample)。 二：什么是总体？        研究对象的全部称为总体。 三：样本抽取规则        为了使
深度学习之CNN卷积神经网络
Maple__Boy
09-22 5884
详解卷积神经网络(CNN) 卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 概揽 卷积神经网络（Convolutional Neural Networks / CNNs / ConvNets）与普通神经网络非常相似，它们都由具有可学习的权重和偏置常量(biases)的神经元组成。每个神经元都接收一些输入，并做一些点积计算，输出是每个分类的分数，普通神经网络里的一些计算技巧到这
Educoder NumPy基础及取值操作 第5关：索引与切片
qq_44767279的博客
05-09 3368
最近做这东西就记录下，方便其他人直接照搬 https://www.educoder.net/tasks/motjur2fwpyk 平台会对你编写的代码进行测试。你只需按要求完成get_roi(data, x, y, w, h)函数即可。其中： data：待提取ROI的原始图像数据(其实就是个二维数组)，类型为ndarray； x: ROI的左上角顶点的行索引，类型为int； y: ROI的左上角顶点的列索引，类型为int； w: ROI的宽，类型为int； h: ROI的高，类型为int。 测试用例是一个字
Pytorch张量基本、切片操作总结
weixin_53111016的博客
05-19 4166
最近在学习深度学习的过程中发现pytorch中的切片操作又忘记了很多，于是专门重新进行梳理。以下演示内容为jupyter notebook. （一）一维向量的操作 先从最基本的一维向量看起，一维向量的操作其实很像numpy一维数组，基本定义如下： [起始索引：结束索引：步长] 这里要注意几点： 1.默认步长为1 2.起始索引：结束索引 是一个左闭右开区间，即结束索引的值不取 3.有反向索引，具体如下： 1.导入包，创建行向量 import torch # 创建一个行向量 x=torc
人工智能基础—Numpy科学计算库
09-17
Numpy 是 Python 生态中最受欢迎的科学计算包，它所定义的数据组织结构，事实上已经成为所有数据处理模块、机器学习模块与2D/3D数据展示模块的标准数据结构了。本课程以 NumPy 为纲，穿插介绍了SciPy / Matplotlib / OpenCV / OpenGL 等Python热门领域的工具包，重在培养实战能力和综合应用能力。
GAN：建立生成性对抗网络
02-28
3. **PyTorch**：PyTorch是Facebook开源的深度学习框架，以其灵活性和动态计算图模式而受青睐。在建立GAN时，PyTorch提供了一个直观的平台来定义和优化网络结构。 4. **Tensor操作**：在PyTorch中，所有计算都是...
torch_sparse-0.6.11-cp37-cp37m-linux_x86_64whl.zip
01-15
在Python的深度学习领域，PyTorch是一个广泛使用的框架，它以其灵活性和易用性受到开发者们的青睐。本文将深入探讨一个针对PyTorch的扩展库——torch_sparse-0.6.11，这个库主要服务于图神经网络（GNN）的研究和开发...
torch_sparse-0.6.17-cp310-cp310-macosx_10_15_x86_64.whl.zip
12-20
在Python的深度学习领域，PyTorch是一个广泛使用的框架，它以其灵活性和易用性受到开发者们的青睐。然而，为了应对复杂的图神经网络（GNN）任务，我们需要额外的库来扩展其功能，如`torch_sparse`。`torch_sparse`是...
torch_sparse-0.6.18+pt20cpu-cp311-cp311-linux_x86_64whl.zip
最新发布
02-05
在深度学习领域，PyTorch以其强大的灵活性和易用性深受开发者喜爱。然而，为了处理大规模图神经网络（GNN）任务，原生的PyTorch库往往不足以满足需求，这时就需要引入特定的扩展库，比如`torch_sparse`。`torch_...
torch_sparse-0.6.12-cp37-cp37m-macosx_10_14_x86_64whl.zip
01-22
在深度学习领域，PyTorch因其灵活性和高效性而受到广大开发者喜爱。然而，对于处理大规模图数据，单纯依赖PyTorch的标准库是不够的，这就引出了我们今天要讨论的扩展库——torch_sparse。torch_sparse是专门为...
Pytorch使用PIL和Numpy将单张图片转为Pytorch张量方式
12-17
我就废话不多说了，大家还是直接看代码吧！ #!/usr/bin/python # -*- coding: UTF-8 -*- from PIL import Image import numpy as np import torch pil_img = Image.open('/Users/songlu/Desktop/code.jpg') img = np.array(pil_img) print torch.from_numpy(img) 补充知识：pytorch mxnet 多GPU训练 batch 的区别 区别有很多，这是一点点不一样 1、mxnet 的batch ，设置的是单卡的
深度学习实战（十）：使用 PyTorch 进行 3D 医学图像分割
与君共勉，一起学习
06-21 1万+
MedicalZoo论文： Deep learning in medical image analysis: a comparative analysis of multi-modal brain-MRI segmentation with 3D deep neural networks 代码已开源：MedicalZooPytorch  深度网络在计算机视觉领域的兴起，为经典的图像处理技术表现不佳的问题提供了最先进的解决方案。在泛化的图像识别任务中，包括物体检测、图像分类和分割、活动识别、光流和姿势估计等问
切片操作
gongliming_的博客
03-21 565
numList = [1, 2, 3, 4, 5, 6, 7, 8, 9] print('numList:', numList) print("reverse",numList[::-1]) data1 = numList[::2] print(data1) data2 = numList[1::2] print(data2) data3 = numList[2::3] print(data3) ...
pytorch张量数据索引切片与维度变换操作大全（非常全）
weixin_30646315的博客
09-19 2989
(1-1)pytorch张量数据的索引与切片操作1、对于张量数据的索引操作主要有以下几种方式：a=torch.rand(4,3,28,28):DIM=4的张量数据a(1)a[:2]:取第一个维度的前2个维度数据(不包括2)；(2)a[:2,:1,:,:]：取第一个维度的前两个数据，取第2个维度的前1个数据，后两个维度全都取到；(3)a[:2,1:,:,:]：取第一个维度的前两个数据，取第...
5、numpy——切片和索引
a201550的博客
09-23 226
1、一维数组 1.1 一维数组很简单，基本和列表一致。ndarray 数组可以基于 0 - n 的下标进行索引。 　　切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。 　　通过冒号分隔切片参数start:stop:step来进行切片操作： 1 import numpy as np 2 arr...
pytorch学习05：索引和切片
HMT的博客
07-28 342
索引 import torch a = torch.rand(4,3,28, 28) print("a.shape: ", a.shape) print("a[0].shape: ", a[0].shape) print("a[0][0].shape: ", a[0][0].shape) print("a[0, 0].shape: ", a[0, 0].shape) print("a[0, 1, 2, 3]: ", a[0, 1, 2, 3]) 取前N个或后N个 import torch a = t
利用openslide-python处理病理
math_computer的博客
09-23 3138
参考： 博客总结https://www.jianshu.com/p/bd5b572b5269 官方文档：https://openslide.org/api/python/#module-openslide 获取元信息，如每个像素有多少微米 import openslide wsi = openslide.Openslide(wsi_file) mpp_x = wsi_ob.proper...
【pytorch】图像基本操作
热门推荐
feifei
06-14 2万+
为了方便进行数据的操作，pytorch团队提供了一个torchvision.transforms包，我们可以用transforms进行以下操作： PIL.Image/numpy.ndarray与Tensor的相互转化； 归一化； 对PIL.Image进行裁剪、缩放等操作。 通常，在使用torchvision.transforms，我们通常使用transforms.Compose将t
pytorch索引与切片
Clement
03-16 164
#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2020/3/13 14:27 # @Author : zhoujianwen # @Email : zhou_jianwen@qq.com # @File : IndexSlice.py # @Describe: 索引与切片 import torch import ...
d2l-zh-pytorch.pdf
09-20
- 索引和切片：展示如何访问和修改数组的特定部分。 - 节省内存：讨论如何有效地管理内存以优化性能。 - 转换为其他Python对象：介绍如何将数据转换为Python的其他类型，如列表或字典。 2. 数据预处理： - 读取...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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