pytorch中张量的阶数理解

pytorch中张量的阶数理解推荐打开2个页面,对比原四阶张量理解各阶的对应关系。创建一个四阶张量:import torchx = torch.linspace(0,71,72).view(2,3,3,4)print(x)输出:tensor([[[[ 0., 1., 2., 3.], [ 4., 5., 6., 7.], [ 8., 9., 10., 11.]], [[12., 13.,
摘要由CSDN通过智能技术生成

pytorch中张量的阶数理解

推荐打开2个页面,对比原四阶张量理解各阶的对应关系。

  • 创建一个四阶张量:
import torch
x = torch.linspace(0,71,72).view(2,3,3,4)
print(x)
  • 输出:
tensor([[[[ 0.,  1.,  2.,  3.],
          [ 4.,  5.,  6.,  7.],
          [ 8.,  9., 10., 11.]],
          
          [[12., 13., 14., 15.],
          [16., 17., 18., 19.],
          [20., 21., 22., 23.]],

         [[24., 25., 26., 27.],
          [28., 29., 30., 31.],
          [32., 33., 34., 35.]]],


        [[[36., 37., 38., 39.],
          [40., 41., 42., 43.
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

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