Pytorch学习笔记 2.3：基本数据类型

最新推荐文章于 2024-07-20 17:13:41 发布
最新推荐文章于 2024-07-20 17:13:41 发布
阅读量293 收藏
点赞数 3
分类专栏： Pytorch学习笔记 文章标签： pytorch 神经网络 卷积 人工智能 卷积神经网络
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_44145452/article/details/113102503
版权

数据类型

Type check

在这里插入图片描述
在这里插入图片描述

Dimension 0 / rank 0

维度Dimension：0 / 秩rank：0
NumPy中的维度(dimension)、轴(axis)、秩(rank)的含义
在这里插入图片描述Dim 0
在这里插入图片描述
Dim 1 / rank 1
Linear Input（线性输入）
在这里插入图片描述

Dim 1

在这里插入图片描述
Dim 2
Linear input batch（线性批量输入）
在这里插入图片描述
Dim 3
RNN Input Batch（循环神经网络批量输入）
在这里插入图片描述Dim 4
CNN: [b, c, h, w]
卷积神经网络
在这里插入图片描述
Mixed
在这里插入图片描述
a.numel() # 占内存大小

a.dim() # 返回长度

落雪wink
关注
专栏目录
系统学习Pytorch笔记三：Pytorch数据读取机制(DataLoader)与图像预处理模块(transforms)
Miracle8070
04-17 6万+
Pytorch官方英文文档：https://pytorch.org/docs/stable/torch.html? Pytorch中文文档：https://pytorch-cn.readthedocs.io/zh/latest/ 1. 写在前面 疫情在家的这段时间，想系统的学习一遍Pytorch基础知识，因为我发现虽然直接Pytorch实战上手比较快，但是关于一些内部的原理知识其实并不是太懂，这样...
PyTorch学习笔记（二）：PyTorch简介与基础知识
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
03-17 8560
本系列主页更新Pytorch学习笔记，分为不同章节，供初学者详细学习Pytorch，入门深度学习。本章主要简单介绍Pytorch基础知识。
PyTorch 张量（tensor）的秩，轴，形状（Rank, Axes, and Shape）的理解
zhuguiqin1的专栏
08-16 5031
秩、轴和形状的概念是我们在深度学习中最关心的张量属性。在这篇文章中，我们将深入研究张量的这三个属性。在深度学习中开始使用张量时，秩、轴和形状是我们最关心的三个张量属性。这些概念相互建立，从秩开始，然后是轴，再到形状，因此请密切注意这三者之间的这种关系。 张量的秩（Rank） 张量的秩是指张量中存在的维数（dimensions）。假设我们被告知我们有一个 秩为2（rank 2）的张量。这意味着以下所有内容： 我们有一个矩阵 我们有一个二维数组 我们有一个二维张量 张量的轴（Axes） 如果我们有一
【Python 模块学习】NumPy中的维度(dimension)、轴(axis)、秩(rank)的含义
热门推荐
Babyfatliang的博客
02-19 2万+
这个和Python自带的列表有较大的区别，列表中的元素类型是可以不相同的，如一个列表中，它可以包含数字、字符、字符串等，而在数组中，它的数据类型是相同的，如都是整型或者浮点型。如下图中的数组b，从属性 ndim 中可以知道，它的秩为2，即轴的个数是2，或者维度的数量是2（行和列两个维度）。在下面的例子中，有一个数组 [1,2,1]， 它的维度是1，也就是有一个轴，这个轴的长度是3，而它的秩也为1。秩的值已经变为3，它的shape反映出它的轴0长度为2，轴1长度为2，轴2的长度为3。
TFRecord存储维度（秩、rank、dimension）较多的数据以及创建Dataset的过程
ssssossss的博客
01-20 664
TFRecord存储维度（秩、rank、dimension）较多的数据以及创建Dataset的过程 第一次接触tensorflow的Dataset和Estimator是在阅读BERT的特定任务的代码，原本用低阶API需要写很长的代码，在Estimator模式中简化了许多。 原本代码中的输入数据（即Dataset中的Example）的每个特征（即每个Example含有的Feature）的秩都为1，即...
Pytorch学习笔记【B站：小土堆】
最新发布
m0_58730471的博客
07-20 1240
pytorch学习入门
Pytorch学习笔记 2.4：创建Tensor
weixin_44145452的博客
01-25 364
一、直接创建 1.1 通过torch.tensor创建张量 torch.tensor( data,dtype=None, device=None, requires_grad=False, pin_memory=False) data：数据，可以是list，numpy dtype：数据类型，默认与data一致 device：所在设备，cuda/cpu requires_grad：是否需要梯度 pin_memory：是否存于锁页内存 举例：
深度学习PyTorch笔记（7）：数据预处理
niexinyu0026的博客
11-14 1186
深度学习PyTorch笔记（7）：数据预处理2 数据预处理2.1 生成数据2.2 处理缺失值2.3 转换为张量格式 这是《动手学深度学习》（PyTorch版）（Dive-into-DL-PyTorch）的学习笔记，里面有一些代码是我自己拓展的。 其他笔记在专栏 深度学习 中。 2 数据预处理 2.1 生成数据 创建一个人工数据集，并存储在C:/Users/xinyu/Desktop/myjupyter/data/class.csv中： import os os.makedirs(os.path.join(
[PyTorch] 笔记01：张量及基本操作
qq_38939991的博客
09-02 1134
源自 PyTorch 1.4教程 [PyTorch] 笔记01：张量及基本操作 Outline 张量 基础语法 Torch张量转化为NumPy数组 NumPy数组转化为Torch张量 arange，range，linspace 基本操作 运算 重排 部分数据选择 扩张与拼接 1 张量 Tensor(张量）类似于NumPy的ndarray ndarray 对象是用于存放同类型元素的多维数组。 numpy.array(object, dtype = None, copy = Tru.
pytorch学习笔记一：张量的创建
Sagacity_1125的博客
06-04 396
一、直接创建 1.1 通过torch.tensor创建张量 torch.tensor( data,dtype=None, device=None, requires_grad=False, pin_memory=False) data：数据，可以是list，numpy dtype：数据类型，默认与data一致 device：所在设备，cuda/cpu requires_grad：是否需要梯度 pin_memory：是否存于锁页内存 举例：
[PyTorch 学习笔记] 2.3 二十二种 transforms 图片数据预处理方法
张贤的博客
08-27 2836
本章代码：https://github.com/zhangxiann/PyTorch_Practice/blob/master/lesson2/transforms/ 这篇主要分为几个部分介绍 transforms: 裁剪 旋转和翻转 图像变换 transforms 方法操作 自定义 transforms 方法 最后是数据增强的实战：对人民币二分类实验进行数增强。 由于图片经过 transform 操作之后是 tensor，像素值在 0~1 之间，并且标准差和方差不是正常图片的。所以定义了tran.
大数据最新PyTorch学习笔记
2301_79772893的博客
05-04 1059
作为 Numpy 的替代者，向用户提供使用 GPU 强大功能的能力；做为一款深度学习的平台， 向用户提供最大的灵活性和速度。官网下载具体可根据个人设备的配置来选择，生成自己的安装命令检查pytorch是否安装成功import torch # 如果pytorch安装成功即可导入print(torch.__version__) # 查看torch的版本print(torch.cuda.is_available()) # 查看CUDA是否可用。
系统学习Pytorch笔记六：模型的权值初始化与损失函数介绍
Miracle8070
04-24 4583
Pytorch官方英文文档：https://pytorch.org/docs/stable/torch.html? Pytorch中文文档：https://pytorch-cn.readthedocs.io/zh/latest/ 1. 写在前面 疫情在家的这段时间，想系统的学习一遍Pytorch基础知识，因为我发现虽然直接Pytorch实战上手比较快，但是关于一些内部的原理知识其实并不是太懂，这样...
Pytorch学习笔记 1.3：Numpy和Torch函数的对比
weixin_44145452的博客
01-23 3115
torch.from_numpy() 转换成torch的tensor数据 torch_data.numpy() 把torch数据转换为numpy数据 import torch import numpy as np # 把numpy数据转换为torch数据 np_data = np.arange(6).reshape(2, 3) torch_data = torch.from_numpy(np_data) # 转换成torch的tensor数据 # 把torch数据转换为numpy数据 tensor2a
Pytorch学习笔记 1.2：Pytorch环境安装
weixin_44145452的博客
01-23 2730
Pytorch环境安装 Pytorch官网 选择你要用的版本 由于国内直接安装pytorch会很慢，而且容易出错，所以一般会采用清华镜像安装速度会快很多。详细步骤直接引用自这里：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ 强力建议用的清华的Pytorch镜像！！！ 一、修改.condarc文件 在“ C:\Users\用户名 ” 目录下找到.condarc文件，将下面的内容拷贝到这个文件。如果没有这个文件，可先执行 conda config --se
Pytorch学习笔记 2.2：线性回归下的梯度下降
weixin_44145452的博客
01-23 1188
线性回归下的梯度下降 The Gradient Descent Of Linear Regression 自学视频PyTorch学这个就够了！： 课件以及代码：Pytorch.zip 这节课(lesson 3)用到的数据集和代码：lesson03代码及数据.zip 我用的Pycharm运行的，大家关注我就能下载了，不用收费 呜呜呜。 学他学他学他！就学他！讲的太透彻了，我刚上初中就能听明白，小白一枚之前看Pytorch的教程死活看不懂，没想到这个一看就明白了！兄弟姐妹们学起来！ 这里有一个loss函数： 当
Pytorch学习笔记 2.5：索引与切片
weixin_44145452的博客
01-25 634
index索引 torch会自动从左向右索引 例子： a = torch.randn(4,3,28,28) 表示类似一个CNN 的图片的输入数据，4表示这个batch一共有4张照片，而3表示图片的通道数为3（RGB），（28，28）表示图片的大小 一、基本索引 索引1：表示第零张图片的shape print(a[0].shape) #torch.Size([3,28,28]) 索引2：第零张图片的第零个通道的size print(a[0,0].shape) #torch.Size([28,28])
Pytorch学习笔记 2.1：深度学习库
weixin_44145452的博客
01-23 470
深度学习库能做什么？ GPU加速 import torch import time print(torch.__version__) print(torch.cuda.is_available()) a = torch.randn(10000, 1000) # 随机生成服从正态分布10000行x1000列的张量 b = torch.randn(1000, 2000) t0 = time.time() c = torch.matmul(a, b) t1 = time.time() print(a
Pytorch学习笔记 1.1：梯度下降
weixin_44145452的博客
01-23 307
Pytorch学习笔记 Pytorch初学者小白 b站视频：PyTorch 动态神经网络 (莫烦 Python 教学) 初学者总是见到这样的图像，这些图像涉及到了家族的历史——Optimization(优化问题) 优化能力是人类历史上的重大突破，它解决了很多实际生活中的问题，从而渐渐演化出了一个庞大的家族 比如说： 牛顿法(Newton’s method) 最小二乘法(Least Squares method) 梯度下降(Gradient Descent) 而我们神经网络就是在梯度下降的分支中 初学神
PyTorch深度学习项目：hymenoptera数据集介绍
作为一个小型数据集，hymenoptera_data非常适合初学者和研究人员用于测试和学习基本的计算机视觉任务，如图像分类、特征提取等。其名称来源于膜翅目（Hymenoptera），这是一类包括蜜蜂、黄蜂和蚂蚁的昆虫，数据集中...
评论 2
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