第一章：tensor介绍（上）

最新推荐文章于 2024-09-14 19:18:15 发布
最新推荐文章于 2024-09-14 19:18:15 发布
阅读量221 收藏
点赞数 1
分类专栏： 💯零基础pytorch实战 文章标签： 深度学习 人工智能 pytorch
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_49047177/article/details/129678490
版权

在这里插入图片描述

Import torch导入包

在这里插入图片描述

Creating tensors创建张量

在这里插入图片描述

scalar标量

vector向量

matrix矩阵

3维tensor

在这里插入图片描述

Random tensors随机张量

torch.rand()

在这里插入图片描述

在这里插入图片描述

torch.zeros()

在这里插入图片描述

torch.ones()

在这里插入图片描述

torch.arange()

在这里插入图片描述

torch.zeros_like()

在这里插入图片描述

Manipulate tensors基本运算

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

torch.nn.Linear()

![在这里插入图片描述](https://img-blog.csdnimg.cn/cc38823bfc2b4180bde05c84d3ad8b7b.png在这里插入图片描述

min, max, mean,sum

在这里插入图片描述

argmax, argmin

在这里插入图片描述

Tensor datatypes数据类型

在这里插入图片描述
转换数据类型
在这里插入图片描述

快乐小多多
关注
专栏目录
每天五分钟深度学习PyTorch：Tensor张量的索引和切片
huanfeng_AI的博客
06-05 239
有时候当我们拥有一个Tensor张量的时候，我们可能需要获取它某一维度的信息，那么此时我们就需要索引和切片的技术，它们可以帮助我们解决这些问题。
第一章：AI大模型概述1.2 AI大模型的发展历程
程序员光剑
01-30 556
随着人工智能技术的不断发展，AI大模型已经成为了当前最热门的研究方向之一。AI大模型是指具有数十亿甚至数百亿参数的深度神经网络模型，它们可以在各种任务上取得非常出色的表现，例如自然语言处理、计算机视觉、语音识别等。AI大模型的发展历程可以追溯到2012年，当时Hinton等人提出了深度学习的概念，并在ImageNet图像分类竞赛中取得了惊人的成绩。自此之后，深度学习技术得到了广泛的应用和发展，AI大模型也逐渐成为了研究的热点。AI大模型的发展趋势是不可逆转的，它们将在各种任务上取得越来越好的表现。
第三章 Pytorch基础：3.1 Tensor
dongdong_Leo的博客
09-11 102
其中，gather函数比较复杂：gather(input, dim, index)，在dim的维度上，选取与index一样的值，且index的维度要与input的相符。（2）resize：与view不同，它可以修改tensor的大小，如果新大小超过了原大小，则自动分配新的内存空间；（1）Tensor是最复杂多变的方式，既可以接收一个list，并据其数据新建tensor，也可以根据制定的形状新建tensor，还能传入其他tensor；（2）b.tolist可以吧tensor b 转化为list；
pytorch基础（一）：tensor张量和自动微分
only my railgun
11-12 1142
文章目录前言一、pytorch入门1.什么是tensor张量2.tensor张量的基本操作二、pytorch自动微分总结 前言   本系列主要是对pytorch基础知识学习的一个记录，尽量保持博客的更新进度和自己的学习进度。本人也处于学习阶段，博客中涉及到的知识可能存在某些问题，希望大家批评指正。 一、pytorch入门 1.什么是tensor张量   在吴恩达老师深度学习视频中，第一章和第二章的课后作业我们用numpy实现前向传播和反向传播，numpy提供的ndarray数据类型，支持numpy内置
2.1 初识Tensor
【人工智能】王小草的博客
02-14 590
Tensor是PyTorch的数据结构，要对PyTorch有深入学习，那么务必要对tensor有所熟悉。 2.1.1 tensor是pytorch的基础数据结构 假设我们要建立图像分类的模型，整个过程是： （1）将.jpg、.png或其他格式的图片转换成模型能够识别的数据格式input； （2）input进入模型后，在模型的各模块中进行转化，在中间过程形成很多数据表征(intermediate r...
2.Tensor
青山
04-28 1538
PyTorch基础：Tensor和Autograd 3.1 Tensor Tensor，又名张量，读者可能对这个名词似曾相识，因它不仅在PyTorch中出现过，它也是Theano、TensorFlow、Torch和MxNet中重要的数据结构。关于张量的本质不乏深度的剖析，但从工程角度来讲，可简单地认为它就是一个数组，且支持高效的科学计算。它可以是一个数（标量）、一维数组（向量）、二维数组（矩阵）和...
Pytorch第三课：package-torch.Tensor包详解
【人工智能】王小草的博客
11-28 3169
微博：https://weibo.com/wangxiaocaoai/profile?rightmod=1&wvr=6&mod=personinfo 微信公众号：搜索"AI躁动街" 本节要点： 1 张量的类型 2 张量的创建 3 张量的索引与切块 4 张量的操作 4.1 操作名有无下划线的区别 4.2 torch.Tensor所有操作列表 4.3 torch.Tensor操作举例...
第一章：AI大模型概述1.2 AI大模型的发展历程1.2.2 突破性大模型的出现
程序员光剑
01-15 84
1.背景介绍 AI大模型的发展历程可以追溯到20世纪60年代，当时人工智能研究者们开始研究如何让计算机模拟人类的智能。随着计算能力的不断提高和算法的不断发展，AI大模型逐渐成为可能。在2012年，AlexNet在ImageNet大赛中取得了卓越的成绩，这标志着深度学习开始进入人工智能领域。 1.2.2 突破性大模型的出现 突
第十一章：文本摘要任务
南七小僧的学海无涯
06-29 38
本文我们将运用 Transformers 库来完成文本摘要任务。与我们上一章进行的翻译任务一样，文本摘要同样是一个 Seq2Seq 任务，旨在尽可能保留文本语义的情况下将长文本压缩为短文本。虽然 Hugging Face 已经提供了很多，但是它们大部分只能处理英文，因此本文将微调一个多语言文本摘要模型用于完成中文摘要：为新浪微博短新闻生成摘要。文本摘要可以看作是将长文本“翻译”为捕获关键信息的短文本，因此大部分文本摘要模型同样采用 Encoder-Decoder 框架。
每天五分钟玩转深度学习PyTorch：获取神经网络模型的子网络模型
huanfeng_AI的博客
09-09 445
本文主要为第二步（模型搭建）和第六步（优化器）服务，因为子网络是网络模型的一部分，我们如何获取自网络，需要了解网络的模型结构，然后再优化器部分我们需要获取指定网络模型部分的模型参数，所以本节课程很重要。
机器学习与深度学习的区别
最新发布
警警的博客
09-14 1403
机器学习与深度学习
机器学习和深度学习的区别
jun778895的博客
09-10 889
机器学习：是人工智能的一个分支，它让计算机能够在没有明确编程的情况下，通过观察和分析大量数据来学习并做出预测或决策。机器学习起源于20世纪50年代，随着算法的不断发展，逐渐形成了多种经典算法，如决策树、支持向量机、随机森林等。深度学习：则是机器学习的一个子领域，它主要依赖于深度神经网络模型进行学习和预测。深度学习在21世纪初开始兴起，特别是随着计算能力的提升和大数据的普及，深度学习算法得以广泛应用，并取得了显著成效。
深度学习中常见的损失函数
技术宅学长的博客
09-12 691
不同的损失函数适用于不同的任务，回归任务中通常使用均方误差（MSE）和绝对误差（MAE），分类任务中使用交叉熵损失，物体检测和分割中使用IoU和Dice损失，而生成模型中使用对抗损失和重构损失。根据具体任务的特点选择合适的损失函数对于模型的性能有很大影响。
基础GAN生成式对抗网络（pytorch实验）
weixin_47696370的博客
09-10 513
采用MNIST数据集，如下是训练集中的一张图片。
深度学习速通系列:LoRA微调是什么
Ven%的博客
09-10 564
LoRA微调（Low-Rank Adaptation）是一种用于大型预训练语言模型（LLM）的高效微调技术。它的核心思想是在不改变预训练模型权重的前提下，通过在模型的Transformer层中引入可训练的低秩矩阵来实现模型的微调。这种方法可以显著减少训练参数的数量，从而降低对计算资源的需求。
基于深度学习的零售柜商品识别系统实战思路
a871923942的博客
09-11 1182
YOLOv5是YOLO算法的一个实现版本，它在速度和准确性之间取得了很好的平衡。现在我们的数据已经准备好了，是时候训练我们的模型了。为了训练模型，我们需要为每张图像创建一个对应的标签文件，指明图像中物体的位置和类别。这段代码添加了一个新的标签来显示视频流，一个按钮来开始/停止实时识别，以及相应的方法来捕获和处理视频帧。这段代码创建了一个基本的窗口，包含一个图像显示区域、一个上传按钮、一个识别按钮和一个结果显示标签。为了提高系统的响应性，特别是在处理大图像或视频流时，我们可以使用多线程来进行识别。
深度学习中的常用线性代数知识汇总——第三篇：协方差矩阵、主成分分析、正交性与正定性
m0_49963403的博客
09-10 6681
协方差矩阵、主成分分析、正交性与正定性讲解，在深度学习中的应用举例
秃姐学AI系列之：实战Kaggle比赛：狗的品种识别（ImageNet Dogs）
m0_62415132的博客
09-11 754
在这里，我们选择预训练的ResNet-34模型，我们只需重复使用此模型的输出层（即提取的特征）的输入。然后，我们可以用一个可以训练的小型自定义输出网络替换原始输出层，例如堆叠两个完全连接的图层。因此，我们可以使用 微调中讨论的方法在完整ImageNet数据集上选择预训练的模型，然后使用该模型提取图像特征，以便将其输入到定制的小规模输出网络中。在计算损失之前，我们首先获取预训练模型的输出层的输入，即提取的特征。的处理一样，即从原始训练集中拆分验证集，然后将图像移动到按标签分组的子文件夹中。
TensorRT 7.0.0 Sample Guide:从入门到实战教程
在第一章“Introduction”中，读者可以了解到TensorRT的基本概念和它在深度学习部署中的重要性。第二章“Application Areas”则列举了TensorRT可以应用的不同场景，包括但不限于计算机视觉、自然语言处理等。 对于...
评论 1
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

打赏作者

快乐小多多

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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