PYTORCH torch.einsum 函数

最新推荐文章于 2024-05-21 22:16:26 发布
最新推荐文章于 2024-05-21 22:16:26 发布
阅读量1.9k 收藏
点赞数
分类专栏： 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/zmm__/article/details/108514640
版权

以爱因斯坦求和的形式任意定义想要进行的矩阵乘法的操作，可以内部指定输出转置，功能多样，形式灵活。

#theta_phi: nxtxg
#g: nxcxg
output = torch.einsum('ntg, ncg->nct', theta_phi, g)
#output: nxcxt
XiaoPangJix1
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pytorch的einsum
real_ilin的博客
04-17 706
# -*- coding: utf-8 -*- import torch # 转置 a = torch.arange(6).reshape(2, 3) print('a:{}'.format(a)) b = torch.einsum('ij->ji', [a]) print(b.size()) print(b) # 求和 b = torch.einsum('ij->', [a]) ...
【Pytorch】einsum
weixin_44413191的博客
09-23 346
本文为 Pytorch 学习笔记，讲解爱因斯坦简记法。
torch.einsum函数的使用
最新发布
YHKKun的博客
05-21 324
torch.einsum函数可以实现多种张量运算，如矩阵乘法、向量点积、外积、迹、对角化等。
pytorch中的einsum函数
weixin_44394368的博客
07-21 2222
einsum函数 einsum函数在文档中的解释为： 即，该函数提供了一种使用爱因斯坦求和约定来计算多线性表达式的方法（即乘积和） 爱因斯坦求和约定（Einstein summation convention） 关于爱因斯坦求和约定的详细运算过程参考知乎大佬的回答：https://zhuanlan.zhihu.com/p/46006162以及B站up的视频：https://www.bilibili.com/video/BV1ot411V71V？from=search&seid=9196910873
torch.einsum用法
sinat_34461199的博客
01-07 722
是 PyTorch 中的一个强大工具，它允许你通过 Einstein summation convention（爱因斯坦求和约定）来执行复杂的张量操作。使用这种约定，你可以用一个字符串来指定张量操作的维度规则。这个函数非常灵活，可以用于实现各种张量运算，如元素相乘、矩阵乘法、批量矩阵乘法、迹等。其中，equation是一个字符串，指定了张量操作的约定；*operands是要操作的张量。以下是。
pytorch中einsum详解
欢迎来到道的世界
12-20 4489
引言  在线性代数里，经常会遇到各种计算操作符号，比如矩阵的点积，外积，HHH积，KKK积，转置等。爱因斯坦求和约定提供了一套简单优雅的规则可以实现以上操作，目的是省略掉求和公式中的求和号“+”。 定义（爱因斯坦求和约定）：如果两个相同的指标出现在指标符号公式的同一项中，则表示对该指标遍历整个取值范围求和。 爱因斯坦求和约定具体的规则可以归结为如下几条 在同一项中，如果同一指标成对出现，就表示遍历其取值范围求和 公式中成对出现的指标叫做哑指标亦或哑标，表示哑标的小写字母可以用另一个小写字母替换，并且
torch.einsum用法详解
bj_zhb的博客
03-20 4766
是PyTorch中的一个函数，用于执行爱因斯坦求和约定（Einstein summation）运算。它提供了一种灵活而强大的方式来执行多维张量的操作和变换。其中，equation是一个字符串，用于指定爱因斯坦求和约定的运算方式，operands是一个或多个输入张量。在equation中，你可以使用大写字母表示张量的维度标识符，使用小写字母表示对应维度的长度。通过指定输入张量和输出张量之间的维度关系，你可以定义所需的运算操作。下面是一个简单的例子，展示了如何使用# 两个向量的点积。
torch.einsum.docx
09-16
`torch.einsum`是PyTorch库中的一个高级函数，用于执行基于Einstein summation convention（也称为Einstein notation）的多维数组操作。它能够简洁地表示各种线性代数运算，如矩阵转置、求和、矩阵乘法、点积、外积...
Pytorch中torch.gather函数
12-21
在PyTorch中，`torch.gather`是一个非常实用的函数，它允许用户根据指定的索引值从张量中提取特定位置的数据，并将这些数据组合成一个新的张量。这个功能在处理序列数据、实现神经网络中的注意力机制或在可视化网络...
PyTorch里面的torch.nn.Parameter()详解
09-18
在PyTorch中，`torch.nn.Parameter()`是一个非常关键的类，它用于创建可学习的参数。这些参数通常是神经网络模型中的权重和偏置，它们在训练过程中会被优化算法更新以最小化损失函数。本文将深入探讨`torch.nn....
torch.einsum()用法举例
Jeff zhao
06-17 2572
import torch torch.manual_seed(1) x = torch.randn(1, 2, 3,4) A = torch.randn(3, 2) print("x:",x,'\n',"A.T:",A.T) ''' x: tensor([[[[-1.5256, -0.7502, -0.6540, -1.6095], [-0.1002, -0.6092, -0.9798, -1.6091], [ 0.4391, 1.1712, 1.76
torch.einsum详解
mytzs123的博客
06-05 7758
举例：
pytorch中einsum用法总结
weixin_48018951的博客
02-22 562
pytorch中enisum用法总结。爱因斯坦求和约定（einsum）提供了一套既简洁又优雅的规则，可实现包括但不限于：向量内积，向量外积，矩阵乘法，转置和张量收缩（tensor contraction）等张量操作，熟练运用 einsum 可以很方便的实现复杂的张量操作，而且不容易出错。
torch.enisum爱因斯坦求和
养猪的纺织工
11-20 609
初次学习用于记录 1.转置 Bij = Aij import torch import tsensor h = torch.Tensor([[1,2],[3,4]]) with tsensor.clarify(): h = torch.einsum('ij->ji',h) print(h) 输出：tensor([[1., 3.], [2., 4.]]) 2.全部元素求和 h = torch.Tensor([[1,2],[3,4]]) with tsensor.clarify():
5min看懂torch.einsum()计算方法-torch.einsum()手动推导详解
罟霖同学的站点
09-03 1209
 本文将从实际复杂案例的角度对torch.einsum()的计算过程进行分析，一步一步的推导最终输出的每个元素和输入元素之间的关系。
eltwise sum over multiple channels 逐通道的相加in Caffe
机器学习的小学生
11-01 1221
//sum over 16 channels layers { name: "sum_1" type: CONVOLUTION bottom: "conv_1" top: "sum_1" blobs_lr: 0 convolution_param { num_output: 1 bias_term: false kernel_size: 1 ...
RuntimeError: einsum(): operands do not broadcast with remapped shapes [original-＞remapped]
沉迷单车的追风少年
04-12 3869
项目场景： multihead-attention训练 out = torch.einsum('b h d e, b h d n -> b h e n', context, q) File "/root/anaconda3/lib/python3.7/site-packages/torch/functional.py", line 327, in einsum return _VF.einsum(equation, operands) # type: ignore[attr-def
torch.einsum函数
06-12
torch.einsum函数是PyTorch中的一个函数，用于实现多维张量的向量乘法、矩阵乘法、批量矩阵乘法等操作。它的语法如下： ```python torch.einsum(equation, *operands) ``` 其中，equation是一个字符串，用于指定操作的维度和顺序；operands是一个或多个张量，用于输入和输出数据。 举个例子，假设我们有两个2x3的矩阵A和B，我们想要计算它们的矩阵乘积。可以使用如下代码： ```python import torch A = torch.randn(2, 3) B = torch.randn(3, 2) C = torch.einsum('ij,jk->ik', A, B) ``` 其中，'ij,jk->ik'表示我们想要将A和B的矩阵乘积输出到一个2x2的矩阵C中。这个字符串的意义可以理解为，将A的第一维和B的第一维相乘，得到C的第一维；将A的第二维和B的第二维相乘，得到C的第二维。因此，C的形状为(2, 2)。 torch.einsum函数可以实现非常灵活的操作，可以用来计算各种复杂的张量运算。

“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

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