记录深度学习从0开始（二）

最新推荐文章于 2023-11-01 07:40:41 发布
最新推荐文章于 2023-11-01 07:40:41 发布
阅读量823 收藏
点赞数 1
文章标签： 深度学习 pytorch python
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_50876927/article/details/123323417
版权
本文详细介绍了PyTorch中深度学习的基础操作，包括张量的索引、切片以及张量的合并。讲解了符号索引和函数索引两种方式，以及view()视图、chunk和split函数的使用。此外，还探讨了张量的拼接函数cat和堆叠函数stack的差异，并介绍了维度变换中的squeeze和unsqueeze函数。
摘要由CSDN通过智能技术生成

张量的索引、分片、合并以及维度调整

1、索引

张量的索引从维度出发，几个维度就写几个索引。

1.1、符号索引

pytorch中的索引基本遵循python的写法，[start: end: step],下面以一个三维张量为例：

import torch

t = torch.arange(12).reshape(2,2,3)
t

在这里插入图片描述
高维张量的理解：t 是一个3维张量，由2个二维张量构成，这两个二维张量都是由4个一维张量构成，每个一维张量都是由5个0维张量构成。

t[1,1,1]

在这里插入图片描述
上述表明，在第一个维度取第二个位置，第二个维度也取第二个位置，第三个维度同样如此,通俗来讲就是，索引张量t的第二个二维张量的第二行的第二列。就是零维张量tensor（10）

 t[::2,::2,::2]

在这里插入图片描述
在第一个维度从第一个元素步长为2取，在第二个维度以步长为2取，在第三个维度以步长为2取。故

最低0.47元/天 解锁文章
风情、
关注
深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 26万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
Keras深度学习实战（15）——从零开始实现YOLO目标检测
盼小辉丶的博客
07-20 6959
YOLO 是基于锚框的经典目标检测算法，能够实现快速检测的同时具有较高的准确率，其将目标检测任务看作目标区域预测和类别预测的回归问题，实现端到端的目标检测。本文首先介绍了 YOLO 模型的核心思想与目标检测流程，然后使用 Keras 从零开始实现了一个基于 YOLO 的目标检测模型。......
pytorch--(MisMatch in shape & invalid index of a 0-dim tensor)
xiangpijiao的博客
01-04 4214
在尝试运行CVPR2019一篇行为识别论文的代码时，遇到了两个问题，记录如下。但是，原因没懂，如果看此文章的你了解原理，欢迎留言交流吖。 github代码链接：https://github.com/naraysa/gzsl-od/ 问题1：“Mismatch in shape: grad_output[0] has a shape of torch.Size([1]) and outpu...
pytorch之tensor操作报错汇总
weixin_45700507的博客
12-22 3075
torch.split() t = torch.ones((2,5)) list_of_tensors = torch.split(t,[2,1,1],dim=1) print("t:{}".format(t)) for idx,t in enumerate(list_of_tensors): print("di {} ge tensor:{},shape is {}".format(idx+1,t,t.shape)) RuntimeError: s.
Tensorflow中的tensor的维度(dim=0、dim=1)理解
凝眸伏笔的博客
09-15 1万+
1.tensor的维度理解 通过tf.rank()函数可以查看tensor的维度。先看一个例子： import tensorflow as tf a = tf.constant(6) #常量-dim=0 b = tf.constant([3, 3]) #数组-dim=1 c = tf.constant([[6, 3]]) #矩阵-dim=2 d = tf.constant([[[2, 2]]]) #矩阵-dim=3可以想象为空间坐标系 xyz三个轴 sess = tf.Session() #启动图.
pytorch使用中的错误及解决措施(持续更新)
hitzijiyingcai的博客
06-12 2781
1.IndexError: invalid index of a 0-dim tensor. Use tensor.item() to convert a 0-dim tensor to a Python number 原因:出现此问题的原因是版本升级. 解决措施:将loss.data[0] 改为loss.item() 2.ValueError: could not broadcast...
not enough values to unpack (expected 3, got 2)问题解决
xiaowangyanjiu的博客
03-19 4743
not enough values to unpack问题解决
PyTorch深度学习实战（25）——从零开始实现Mask R-CNN实例分割
最新发布
盼小辉丶的博客
11-01 3985
Mask R-CNN 是一种在目标检测任务中引入了语义分割的强大框架，通过在 Faster R-CNN 基础上进行扩展，添加了额外的分支网络，不仅可以准确地检测对象的位置和类别，还可以生成每个实例的精确像素级别的语义分割掩码。其模块化的设计可以轻松地应用于不同的任务和数据集，并且可以通过添加更多的分支进行功能扩展，如实例关键点检测等。
深度学习最全面试题总结（一）
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
05-04 2万+
导读：本系列深度学习面试题系列总结，资料集合包含机器学习、深度学习等各系列常见问题，可配合下列资料一起学习，内容参考Github及网络资源，仅供个人学习。侵权联系删除！
PyTorch深度学习实战（11）——卷积神经网络
盼小辉丶的博客
08-14 1万+
卷积神经网络 (Convolutional Neural Network, CNN) 是一种广泛应用的深度学习模型。通过参数共享、局部感知和空间结构等优势，能够更好地处理图像数据，并在图像识别、目标检测和图像生成等任务中展现出强大的能力。在本节中，介绍了卷积的计算方法以及卷积神经网络的基本组件，并使用 PyTorch 构建了卷积神经网络以深入了解其工作原理。
理解 tensor, cat, unsquee, stack
OrdinaryMatthew的博客
07-14 1402
假设一个 tensor 如下 [[[1,2],[4,5]],[[6,7],[8,9]]][ \quad [\quad[1,2], [4,5]\quad] , \quad\quad [\quad[6,7], [8,9]\quad]\quad][[[1,2],[4,5]],[[6,7],[8,9]]]这个tensor 一共有 333 个维度，这个数出有几层中括号就行，有几层中括号就有几维。下面举 torch.cat 的例子加以说明：........................
【PyTorch】 tensor.cat张量合并
jn10010537的博客
09-21 3980
【PyTorch】 tensor合并1、背景2、cat方法3、示例 1、背景 pytorch中tensor合并方法是cat,即torch.cat： 将2个及以上的tensor合并为一个tensor。 打印官方关于torch.cat的说明： import torch print(torch.__version__) help(torch.cat) 运行如下： 2、cat方法 具体如下： def cat(tensors: Union[Tuple[Tensor, ...], List[Tensor]], di
Pytorch深度学习基础之Tensor
qq_51817638的博客
03-16 2368
简介 Tensor对象是一个任意维度的矩阵，但是一个Tensor中所有元素的数据类型必须一致。torch包含的数据类型和普遍编程语言的数据类型相似，包含浮点型，有符号整型和无符号整型，这些类型既可以定义在cpu上，也可以定义在Gpu上 Tensor执行算数运算 逐个元素自己相乘 矩阵乘法 tensor执行算数运算符的运算，是两个矩阵对应元素的运算。torch.mm执行矩阵乘法的运算 import torch a=torch.tensor([[1,2],[3,4]]) b=torch.tensor([[1
Pytorch学习（3）：Tensor合并、分割与基本运算
Leafing_的博客
02-18 5504
文章目录前言一、合并Cat/Stack1.Cat2.Stack二、分割Split/Chunk1.Split2.Chunk三、基本运算1.加减乘除2.矩阵乘法mm/@/matmul3.幂运算**4.指数exp/对数log5.近似floor/ceil/round/trunc/frac6.裁剪（归化）clamp总结 前言 Pytorch学习笔记第三篇，关于Tensor的合并（cat/stack）、分割（split/chunk）与基本运算。 一、合并Cat/Stack 1.Cat Tensor中cat是co..
Pytorch入门教程
feichangyanse的博客
02-15 1529
pytorch快速入门
Tensor高阶用法：快速掌握Tensor切分、变形等方法
weixin_42136255的博客
03-27 2283
Tensor高阶用法：快速掌握Tensor切分、变形等方法
Pytorch常用函数（入门）
weixin_41655296的博客
05-04 1277
Pytorch入门 1 pytorch的常用各种函数 tensor的组合和分块 --->tensor.cat()/tensor.stack()(组合) --->tensor.chunk()/tensor.split()(分块) tensor的变形 --->tensor.view(),resize(),reshape()--调整Tensor的形状，元素总数相同 --->transpose()、permute()各维度之间的变换 --->squeeze()、unsqueeze(
torch.tensor下的cat()
hzw521000的博客
04-02 394
cat(arg1,arg2)，arg1是需要stack的矩阵，arg2是操作维度。arg2=0，按行操作，需要除行外的其他维度的长度相同，上下拼。concate将矩阵按指定的方向叠加。arg2=1，按列操作，左右拼。arg2=3，前后拼。
torch.Tensor常用操作:torch.cat
敲代码的小风
12-12 4177
torch.cat(tensors, dim=0, out=None) → Tensor Concatenates the given sequence of seq tensors in the given dimension. All tensors must either have the same shape (except in the concatenating dimension) or be empty. torch.cat() can be seen as an inverse ope
Python深度学习入门：NumPy基础教程
访问NumPy数组的元素时，索引从0开始。对于多维数组，可以使用逗号分隔的索引来指定位置，如`array[0, 1]`访问二维数组的第一个元素的第二个元素。还有方法如`flatten()`用于将多维数组转换为一维数组，便于操作。 ...
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