这篇文章将为大家详细讲解有关Pytorch中Tensor基本操作的示例分析,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。小写字母的tensor接收具体的数据,可以直接按照numpy的方式输入数组。大写字母的可以接收形状,此时会生成随机数,但没有任何规则。可以生成不同的类型。自动生成的数据有默认类型,FloatTensor,可以使用torch.set_default_tensor_type去修改rand
:0-1之间均匀采样randn
:均值0,方差1的正态分布随机采样以上两种可以直接输入形状,即可产生对应形状的随机数。randint
:参数是—起始值、终止值、形状同时每一个都会有一个_like方法,输入一个tensor,会生成对应形状的新tensor参数是—形状,数据。如果形状的位置给一个空的list,生成的就是标量。参数是—起始,终止,步长。不包含终止值。参数是—起始,终止,数量。包含终止值输入形状即可。ones和zeros也有_like方法随机打散。输入一个数字,会自动生成这个数字长度的,从0免费云主机域名开始的随机排列数字,可以作为索引。当需要对不同的数据,使用相同的索引,并且打乱顺序时,非常好用。和python中的索引切片使用方法一致输入的参数—维度的位置、要选的内容对应的维度的索引。不太好理解,可以看下面的例子。三个点相当于集成了的连续的冒号。需要先根据数据生成一个mask,比如挑选出大于等于0.3的数,此时会得到一个和数据相同形状的,满足条件位置是1,不满足条件的位置是0的一个mask,通过masked_select可以选出数据。和numpy中的reshape方法一样。转换的时候需要考虑到实际的物理意义。squeeze
输入的参数—需要减少的维度所在位置unsqueeze
输入的参数—需要增加的维度所在的位置expand
输入的参数—希望扩展后所形成的维度repeat
输入的参数—各自维度需要重复的次数通常使用expand,因为不会主动复制数据。t
:和numpy中的转置一样,只针对二维矩阵操作transpose
:输入需要交换的维度的位置即可。但想要还原的时候,需记得转换后的各个位置的物理意义,根据实际意义进行再次转换。见下面的例子。permute
:输入希望转换成的维度的位置索引即可。相当于多次使用transpose关于“Pytorch中Tensor基本操作的示例分析”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,使各位可以学到更多知识,如果觉得文章不错,请把它分享出去让更多的人看到。
相关推荐: spring data jpa怎么创建方法名进行简单查询
本文小编为大家详细介绍“springdatajpa怎么创建方法名进行简单查询”,内容详细,步骤清晰,细节处理妥当,希望这篇“springdatajpa怎么创建方法名进行简单查询”文章能帮助大家解决疑惑,下面跟着小编的思路慢慢深入,一起来学习新知识吧。sprin…
免责声明:本站发布的图片视频文字,以转载和分享为主,文章观点不代表本站立场,本站不承担相关法律责任;如果涉及侵权请联系邮箱:360163164@qq.com举报,并提供相关证据,经查实将立刻删除涉嫌侵权内容。