作为目前越来越受欢迎的深度学习框架，pytorch 基本上成了新人进入深度学习领域最常用的框架。相比于 TensorFlow，pytorch 更易学，更快上手，也可以更容易的实现自己想要的 demo。今天的文章就从 pytorch 的基础开始，帮助大家实现成功入门。首先，本篇文章需要大家对深度学习的理论知识有一定的了解，知道基本的 CNN，RNN 等概念，知道前向传播和反向传播等流程，毕竟本文重点
note 文章目录note一、tensor的创建二、tensor的加减乘除三、torch.argmax()函数四、gathter函数小栗子1小栗子2：如果每行需要索引多个元素：四、针对某一维度的操作五、改变维度、拼接、堆叠等操作Reference 一、tensor的创建
torch.tensor会复制data，不想复制可以使用torch.Tensor.detach()。如果是获得numpy数组数据
转载
2023-10-04 08:56:58
443阅读
Tensor与Numpy相似，二者可以共享内存，而且之间的转换非常方便与高效。 最大的区别在于，Numpy中的ndarray只能在cpu中进行加速计算，而由torch产生的tenor可以放在GPU中进行加速运算。2.4.1 Tensor概述对Tensor的操作，从接口的角度分为两类：torch.funcitontensor.function torch.add(x,y)等价于x.add(y)从修改
转载
2023-08-21 10:57:13
114阅读
Tensor的常见操作针对Pytorch中的tensor，总结一下常用的操作1、torch.max和torch.min两个函数的实现类似，形参也相同，只是一个取最大一个取最小而已，下面以max为例，min同理。 （1） torch.max(a): 返回输入a中所有元素的最大值。 （2） torch.max(a, 0): 返回每一列的最大值，且返回索引（返回最大元素在各列的行索引）。 （3） tor
转载
2023-08-04 09:59:30
531阅读
第12个方法torch.tensor(data, *, dtype=None, device=None, requires_grad=False, pin_memory=False)此方法用于创建pytorch中的tensor创建，此方法使用data构建并返回一个tensor。使用方法如下：import torch
a = torch.tensor([2, 3, 5])此时a就是一个具有值[2,
转载
2023-10-14 08:37:27
627阅读
python与pytorch中需要注意的点python对象的复制pytorch结果复现pytorch断点续训 python对象的复制 python中有一个专门用于复制的包copy, 这个包的出现其实就暗示了我们平时使用等式来复制对象有可能是不对的，且根据python中可变数据类型与不可变数据类型的差异，推知不同的数据类型复制方式不同。 python可变数据类型有list, dict, se
在使用 PyTorch 进行深度学习的过程中，我常常需要对 Tensor 进行管理，特别是当我释放一个 Tensor 的时候。Tensor 是 PyTorch 的核心数据结构之一，理解如何正确地释放 Tensor 可以帮助我优化内存使用并避免不必要的内存消耗。
## 协议背景
在深度学习中，Tensor 是存储数据的主要载体。PyTorch 提供了一系列 API 来管理内存和进行垃圾回收，以确
以下小结为本人结合实验后得出的结论，如有错误或补充欢迎指正交流。（持续更新）tensor.expand()这个方法可以扩张维度，返回当前张量在某维扩展更大后的张量，但是被扩张的维度里的元素只能唯一。tensor.squeeze()将维度压缩到最紧凑的状态 至于为啥要压缩，也不是很清楚tensor.view()将矩阵变成想要的形状参数为该维度中元素个数，如图dim=0的元素个数为3，dim=1的元素
转载
2023-11-24 20:05:44
268阅读
目录 术语概念contiguous65535LL数组取值Half数据类型blobCTCLoss谱归一化ONNXQuantizationdynamic dispatchTensor的dispatchSize, storage offset, strideProtocol BufferMessageSpecifying Field TypesAssigning Field NumbersSp
转载
2023-11-06 19:36:36
136阅读
1、基础运算可以使用 + - * / 推荐也可以使用 torch.add, mul, sub, div （1）加法运算def add():
# add +
# 这两个Tensor加减乘除会对b自动进行Broadcasting
a = torch.rand(3,4)
b = torch.rand(4)
print("a = {}".format(a)
转载
2023-12-01 10:47:18
192阅读
简述 second.pytorch代码集成一些3d激光雷达点云的学习算法，关于这方面资料相对较少，主要是3d点云深度学习算法也是这两年才开始发力。学习资料相对单一，本文首先记录自己配置second.pytorch的nvidia-docker环境所踩过的坑，后期会分别写一写当前的3d-lidar点云的深度学习算法。这里，也推荐大家参考second.pytorch的环境配置教程。ok，让我们开始se
“ 基于libtorch的深度学习框架，其处理数据的主要基本单位是Tensor张量，我们可以把Tensor张量理解成矩阵，该矩阵的维度可以是1维、2维、3维，或更高维。”本文我们来总结一下Tensor张量的常用操作。01 打印张量的信息打印张量的维度信息要查看张量的维度信息，通常有两种方式：打印张量的sizes；或者直接调用张量类的print函数：torch::Tensor b = to
# 使用 PyTorch 进行张量维度减少
在深度学习中，使用 PyTorch 进行张量操作是经常需要掌握的技能。作为一名刚入行的小白，理解如何减少张量的维度是非常重要的。本文将通过简单明了的步骤帮助你掌握这一过程。
## 流程概述
下面的表格展示了我们将要进行的整个流程：
| 步骤 | 说明 |
|------|---------
列举创建tensor的几种方法，以及注意事项
原创
2022-01-25 15:54:37
155阅读
# PyTorch中Tensor的扩充操作
在深度学习中，Tensor是基础的数据结构。Tensor的扩充（或称为广播）是一个重要的操作，它允许我们在运算时自动扩展Tensor的维度，以便于进行有效的计算。本文将介绍如何在PyTorch中扩充Tensor，并给出具体的代码示例，帮助初学者更好地理解这一概念。
## 什么是Tensor的扩充？
在数学上，广义的广播指的是将较小的数组与较大的数组
# 使用PyTorch去除Tensor的维度：深入探讨
在机器学习和深度学习的世界中，张量（Tensor）是数据的基本结构。使用PyTorch时，我们经常需要对这些张量进行各种操作，其中之一就是去除不必要的维度。本文将为初学者提供一个清晰的流程和代码示例，帮助你理解如何在PyTorch中去除一个维度。
## 整体流程
去除PyTorch Tensor维度的过程可以分为几个简单的步骤，以下表格
原创
2024-09-24 05:43:07
494阅读
列举创建tensor的几种方法，以及注意事项
原创
2021-07-08 14:11:33
381阅读
1 简介在学习李沐在B站发布的《动手学深度学习》PyTorch版本教学视频中发现在操作使用PyTorch方面有许多地方看不懂，往往只是“动手”了，没有动脑。所以打算趁着寒假的时间好好恶补、整理一下PyTorch的操作，以便跟上课程。学习资源:B站up主：我是土堆的视频：PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】
PyTorch中文手册：(pytorch handbook)
Da
转载
2024-02-02 19:57:59
79阅读
# 使用 PyTorch 获取 Tensor 张量的所有值
在学习深度学习和计算机视觉的过程中，PyTorch 是一种非常流行的深度学习框架。而在使用 PyTorch 的过程中，获取 Tensor 张量中的所有值是非常重要的环节。本篇文章将引导你如何在 PyTorch 中实现这一目标，并展示整个过程的步骤。
## 实现流程
我们可以将整个过程分为以下几个步骤：
| 步骤编号 | 步骤描述
# PyTorch 判断 Tensor 元素是否等于一个恒定值
在使用 PyTorch 进行深度学习时，Tensor 是基本的数据结构之一。此篇文章将详细介绍如何判断 Tensor 中的元素是否等于一个指定的恒定值，帮助开发者更好地理解和操作 Tensor。
## 什么是 Tensor？
Tensor 是一种通用的数据结构，可以看作是向量、矩阵的推广。它不仅可以存储标量（0维 Tensor）
原创
2024-10-12 04:55:32
114阅读
