深度学习2.0-4.tensorflow的基础操作之维度变换与broadcasting

最新推荐文章于 2024-03-17 19:31:25 发布
最新推荐文章于 2024-03-17 19:31:25 发布
阅读量242 收藏
点赞数
文章标签： 深度学习 tensorflow
本BLOG上原创文章未经本人许可，不得用于商业用途，转载请注明出处。
本文链接：https://blog.csdn.net/weixin_46649052/article/details/108948749
版权
本文详细介绍了TensorFlow中维度操作的关键技巧，包括shape、reshape函数的使用，矩阵转置tf.transpose的实践，以及广播机制在数学运算中的运用，涵盖了元素级运算和矩阵乘法等内容。
摘要由CSDN通过智能技术生成

文章目录

1.维度变换

在这里插入图片描述

1.shape、reshape与ndim

Views
在这里插入图片描述
Reshape
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.tf.transpose矩阵的转置

View基于最新的content
在这里插入图片描述

在这里插入图片描述

3.增加一个维度或减少一个维度

在这里插入图片描述
在这里插入图片描述

2.broadcasting

张量维度的扩张手段，指对某一维度重复n次，但没有在数据上显示出来
小维度先右对齐，如果两个不相等，表明不能broadcast
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3.数学运算

在这里插入图片描述
在这里插入图片描述

1.元素

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.矩阵相乘

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

哎呦-_-不错
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
2. tensorflow2.0学习---Tensor创建和维度变换
ZhiP_Yan的博客
03-08 748
创建Tensor 从numpy， list数据中获得 创建一个Tensor数据可以从list或者numpy矩阵中获得。不过再list中，每个数据的类型可能不一致，而转化为Tensor要求数据类型应该是一致的，不过这种一致并非十分严格，也可以说逻辑上可以的数据便可以转化为Tensor，例如list数组中可能同时存在int类型和float类型，转化为Tensor时数据会自动扩充为float类型。 tf...
深度学习pytorch——Broadcast自动扩展
最新发布
2201_76139143的博客
03-17 893
在 PyTorch 中，Broadcast 是指自动扩展（broadcasting）运算的功能。它允许用户在不同形状的张量之间执行运算，而。当进行运算时，PyTorch 会，使其能够顺利进行运算。具体来说，如果两个张量的形状不完全相同，但时，PyTorch 可以使用 Broadcast 功能来进行运算。这两个张量在进行运算时，会自动根据 Broadcast 规则进行大小扩展，使它们的形状变得兼容。这样一来，我们就可以直接对这两个形状不同的张量进行运算，而不需要手动将它们的形状改变为相同的大小。
深度学习记录--广播(Broadcasting)
Xudong_12345的博客
12-03 710
广播)，在python中是一种矩阵初等运算的手段，用于将一个常数扩展成一个矩阵，使得运算可行。
深度学习入门-某些细节的理解2（im2col，transpose交换维度）
超级菜
09-26 624
def im2col(input_data, filter_h, filter_w, stride=1, pad=0): """ Parameters ---------- input_data : 由(数据量, 通道, 高, 长)的4维数组构成的输入数据 filter_h : 滤波器的高 filter_w : 滤波器的长 stride : 步幅 pad : 填充 Returns ------- col...
tensor之维度转换
qq_43894221的博客
07-13 3465
tensor维度交换
【transpose、reshape】numpy中维度变换
计算机视觉方面的点点滴滴，欢迎一起讨论
04-08 956
文章目录1 transpose介绍与代码演示2 reshape介绍与代码演示3 混合操作实例 1 transpose介绍与代码演示 表示矩阵的转置，可以通过单个数据的位置来理解。每个元素根据矩阵的索引会有一个位置，转置之后元素的位置会变成新的位置，比如一个元素开始的位置是 （1，5） ，转置之后就是（5，1）了；开始的位置是（1，1，0，6），转置的参数设置为（1，2，3，0）之后，该元素的位置变为 （1，0，6，1），思考一下为什么，矩阵整体的shape也会相应变化，假如之前是（2，2，7，7）， 转置之
d2l-zh-pytorch.pdf
02-14
PyTorch 是一个基于 Python 的机器学习库，特别适合深度学习。下面是基于 d2l-zh-pytorch.pdf 文件所生成的知识点： 1. PyTorch 的安装和基本概念：PyTorch 是一个开源的机器学习库，支持深度学习和机器学习模型的...
numpy-1.22.4+vanilla-cp38-cp38-win-amd64.zip
11-25
《numpy-1.22.4+vanilla-cp38-cp...总之，Numpy是Python科学计算的基础，它的高效数组操作和丰富的数学函数库使得数据分析和数值计算变得更加便捷。正确安装并熟练使用Numpy，将极大地提升你在数据科学领域的开发效率。
numpy-1.22.3.zip
03-20
包括但不限于线性代数操作（如矩阵乘法、求逆、特征值等）、统计函数（平均、标准差、中位数等）、随机数生成以及傅立叶变换等功能。这些函数都是高度优化的，可以直接作用于整个数组，而不是单个元素，从而提高了...
T-REC-H.265-201410-I!!PDF-E.pdf
12-05
transmitted and received over existing and future networks and distributed on existing and future broadcasting channels. This Recommendation | International Standard was developed jointly with ISO/...
numpy-1.24.4.tar.gz
02-12
numpy的核心数据结构是`ndarray`，全称n-dimensional array，它能够存储一维、二维甚至更高维度的数据，并且支持广播（broadcasting）机制，使得不同形状的数组可以进行数学运算。这种数据结构的优势在于其内存效率...
【Pytorch API笔记4】用transpose()和permute()和view()来设置维度
hjxu2016的博客
10-11 1336
转换维度是常见的操作之一， 比如NHWC转换成NCHW 在numpy里可以用 np.tranpose操作，但在torch里却有一丝区别
深度学习（9）TensorFlow基础操作五: Broadcasting
weixin_43360025的博客
08-10 759
深度学习（9）TensorFlow基础操作五: Broadcasting1. 操作思想2. 具体例子3. 理解(1) How to understand?(2) Why Broadcasting?4. Broadcasting使用条件5. Broadcasting的优点6. x+tf.random.normal([3])7. tf.broadcast_to()8. Broadcast VS Tile Broadcasting expand without copying data VS tf.tile
深度学习pytorch——Tensor维度变换（持续更新）
2201_76139143的博客
03-17 1932
需要注意的是打平之后的tensor是需要有物理意义的，根据需要进行打平，并且打平后总体的大小是不发生改变的。并且一定要谨记打平会导致维度的丢失，造成数据污染，如果想要恢复到原来的数据形式，是需要靠人为记忆的。现在给出一个tensor——a.shape=torch.Size([4, 1, 28, 28])，打平a.view(4,1*28*28)，此时a.view(4,1*28*28).shape=torch.Size([4, 784])。
深度学习（8）TensorFlow基础操作四: 维度变换
weixin_43360025的博客
08-10 1007
深度学习（8）TensorFlow基础操作四: 维度变换1. View2. 示例3. Reshape操作可能会导致潜在的bug4. tf.transpose5. Squeeze VS Expand_dims(1) Expand dim（增加维度）(2) Squeeze dim（减少维度） Outline shape，ndim reshape expand_dims/squeeze transpose broadcast_to 1. View 设[b, h, w]为一个content; (1) View1
二元操作中的broadcast操作及其降维优化
weixin_30648963的博客
07-11 143
　　1.tensorflow有一种kernels名为BinaryOp（二元操作），像加法、减法、哈达玛积这种都属于二元操作（都是简单的数学操作），所有的二元操作逻辑都是相同的，唯独中间的运算符不同，在实现上将这个操作符作为模板参数传入，本质也是调用的Eigen的API（但是像矩阵乘这样的感觉也是二元操作，但是实现上却不同与二元操作，主要是调用了不同的Eigen API）. 　　二元操作要求两个...
深度学习(七)——Broadcast自动扩展
weixin_43633568的博客
02-27 1116
broadcast的扩张步骤理解 broadcast为自动扩张 图中第2行第2列的0 1 2 维度为1，即[3]，broadcast首先 把[3]->[1 3]，再进行扩张，步骤为： 在高维度上插入1 把所有shape为1的Tensor扩张为shape和a相同的shape 一个浮点数是4byte 理解broadcast的存在意义： [5.0]存数据，[1]代表1维度 如果[1，32，8...
BroadCast三种方式
grandgrandpa的博客
11-30 1981
作为android 的四大基本组件之一的 BroadCast Receiver，是进行进程间通信的重要手段，几乎所有的应用都会注册和发送各种不同的intent， 那么有一个问题，你是否了解Intent？  作为延伸，我们需要了解一下 sendBroadcast()  / sendOrderedBroadcast() /  sendStickyBroadcast() 这三个方法的不同。 1）sen...
深度学习初探/02-Pytorch知识/05-Broadcast自动维度扩展
ZZ_longroad的博客
03-15 159
深度学习初探/02-Pytorch知识/05-Broadcast自动维度扩展 一、特点 expand automatically without copying data 二、实现方法： 1、从最后 (后面的dim默认为小维度) 开始对齐，匹配dimension，如果发生dim缺失，就在前面插入一个长度=1的dim； 2、将新dim的长度从1 expand to the same length e.g. f.shape = [4, 32, 14, 14] bias.shape = [32] step1
吴恩达深度学习第二周：神经网络基础-Python编程入门
在吴恩达教授的最新深度学习课程中，第二周的学习重点是神经网络基础，其中包含了一个编程练习题——Python基础知识与NumPy（可选任务）。这个作业旨在帮助学生熟悉Python编程语言，特别是对于那些已经使用过Python...
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