1. Tensor 概念分类PyTorch 中的张量（Tensor）类似 NumPy 中的 ndarrays，之所以称之为 Tensor 的另一个原因是它可以运行在 GPU 中，以加速运算。1.1 从接口的角度分类对 Tensor 的操作可分为以下两类：
torch.function，如 torch.save 等；
tensor.function，如 tensor.view 等；为方便使用，对 T
转载
2024-10-12 08:19:45
90阅读
Tensor的内容还是挺多的，不过还是要坚持下去继续学习，下面我们首先回顾一下上一篇文章的知识点：创建Tensor有哪些方法？如何获取Tensor的形状？Tensor和Numpy的互相转化？增加维度和降低维度用什么命令？Tensor的默认类型是什么？mul和nn的区别？ceil、round、floor的定义不要弄混了，还记得吗？clamp(input,min,max)还知道啥意思吗？归并操作，如求
转载
2024-06-26 15:20:00
54阅读
文章目录创建 Tensor 的一般方法一般函数共用参数创建空的张量 torch.empty(...)例程创建随机数值的张量 torch.rand(...)例程创建全0的张量 torch.zeros(...)例程创建全1的张量 torch.ones(...)例程创建顺序的张量 torch.arrange(...)例程Numpy 与 Tensor从Numpy到Tensor例程使用Numpy的Copy
转载
2024-01-19 23:00:35
353阅读
PytorchPytorch 是 Python 接口语言、可以使用GPU加速、构造动态神经网络（更灵活）、python优先Tensor的生成tensor的常见生成方式和性质tensor = torch.Tensor([[2,3],[4,5],[6,7]]) #生成tensor
E = torch.from_numpy #使用numpy生成tensor
torch_e = torch.from_nu
转载
2023-11-01 22:35:58
198阅读
Tensorboard是tensorflow内置的一个可视化工具，它通过将tensorflow程序输出的日志文件的信息可视化使得tensorflow程序的理解、调试和优化更加简单高效。 Tensorboard的可视化依赖于tensorflow程序运行输出的日志文件，因而tensorboard和tensorflow程序在不同的进程中运行。 TensorBoard给我们提供了极其方便而强大的可视化环境
转载
2024-06-13 17:17:30
71阅读
文章目录PyTorch基本数据类型1. Tensor（张量）概念2. Tensor创建并初始化3. Tensor类型推断4. Tensor维度与形状5. Tensor与NumPy之间的转换6. Tensor所占内存大小7. 设置torch.Tensor默认数据类型8. 随机初始化9. 范围顺序初始化10. 范围数据切割形成Tensor11. 生成特定数字 PyTorch基本数据类型PyTorch
转载
2023-10-16 01:58:40
90阅读
文章目录0. 张量（Tensor）基本概念回顾1. tensor在计算机内存中的存储方式 0. 张量（Tensor）基本概念回顾张量（Tensor）其实就是多维数组，类似于NumPy里面的np.array。 这里的维度，更准确的讲法应该叫阶（rank），这是为了跟向量（vector）的维度区分开的。vector其实就是rank为1的张量，我们说一个vector是n维的其实是说它有n个分量（标量）
一、对Tensor的操作从接口的角度讲，对Tensor的操作可以分为两类：（1）torch.function （2）tensor.function比如torch.sum(a, b)实际上和a.sum(b)功能等价。从存储的角度讲，对Tensor的操作也可以分为两类：（1）不修改自身数据，如a.add(b)，加法结果返回一个新的tensor；（2）修改自身数据，如a.add_(b)，加法结果仍存在a
转载
2023-11-27 19:30:56
67阅读
作者：曾芃壹 文章目录Tensor基本创建方法Tensor快速创建方法常用数学操作线性代数运算连接和切片变形CUDA加速自动微分基本原理向前传播反向传播非标量输出 TensorTensor,中文为张量，是pytorch中最基本的数据类型#导入torch包
import torch基本创建方法#torch.Tensor()传入参数构造矩阵
x=torch.Tensor(2,4)
print(x)
p
转载
2023-10-20 20:44:27
214阅读
# PyTorch Tensor的Padding及其应用
在深度学习中，尤其是处理序列数据和图像数据时，常常会遇到输入数据大小不一致的问题。这时，我们需要通过填充（Padding）来调整数据的尺寸，使其适合于模型的输入要求。本文将详细介绍如何在PyTorch中进行Tensor的Padding，并通过一个实际问题来说明其应用。
## 填充的背景与必要性
填充是指在数据的边缘添加额外的值，以使数
tensorboard的使用（一）SummaryWriter类中.add_scalar()方法的使用（可按住Ctrl点击add_scalar查看该方法的功能）。先用pip安装tensorboard，执行如下命令，画一个y=2x的图像。from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")
转载
2023-12-02 22:34:23
77阅读
1. 张量TensorTensors张量: 张量的概念类似于Numpy中的ndarray数据结构, 最大的区别在于Tensor可以利用GPU的加速功能.张量是一个统称，其中包含很多类型： 【各种数值数据统称为张量】0阶张量：标量、常数，0-D Tensor 【scaler】1阶张量：向量，1-D Tensor 【vecto
转载
2023-10-26 12:11:04
142阅读
tensor作为pytorch的基本操作对象，是首先要了解的。一、tensor的8个属性：# 数据相关
t.data # tensor的数据
t.dtype # tensor的数据类型
t.shape # tensor的形状
t.device # tensor所在的设备
# 梯度相关
t.grad # data的梯度
t.grad_fn # 创建tensor的function
t.r
转载
2023-09-29 22:00:02
1658阅读
torch
transpose
torch.transpose(input, dim0, dim1) → Tensor对input上的第dim0维和第dim1维进行转置假设>>>input.shape=(128,32,12,64)
torch.transpose(input,1,2).shape=(128,12,32,64)masked_select
torch.masked_
转载
2023-11-27 12:44:58
344阅读
一.tensor数据类型的基本概念1.Dimension，简称dim表示tensor数据的维度，可以类比成几维矩阵2.shape表示tensor数据类型的形状，比如一个我们上一节的trains_loader就是一个dim为4的tensor数据类型，它的shape为[512,1,28,28]3.不同维度的tensor0维的tensor:常见的零维tensor有loss，他代表一个标量，并非向量在py
转载
2024-06-06 15:12:25
65阅读
【Pytorch学习笔记】Day01 - Pytorch的基本操作 文章目录【Pytorch学习笔记】Day01 - Pytorch的基本操作一、创建Tensor二、数据操作2.1 算术操作2.2 索引2.3 改变形状2.4 Tensor、NumPy 和 标量 的 互通2.5 线性代数相关函数三、Tensor的广播机制四、运算的内存开销五、Tensor在CPU和GPU之间相互移动 一、创建Tens
转载
2023-09-03 18:11:20
186阅读
本文参考了官方文档及各个大佬的博客在神经网络模型中需要对参数求导更新，pytorch中Autograd包为张量上的所有操作提供了自动求导机制。它是一个在运行时定义(define-by-run）的框架，这意味着反向传播是根据代码如何运行来决定的，并且每次迭代可以是不同的。本文涉及： Tensor属性：.gr
转载
2023-11-25 17:40:43
147阅读
PyTorch教程【五】TensorBoard的使用
一、安装TensorBoard1、进入Anaconda Prompt，激活环境conda activate pytorch(或直接在PyCharm中打开Terminal终端)2、输入命令pip install tensorboard3、安装成功二、代码示例from torch.utils.tensor
转载
2023-07-24 18:21:35
151阅读
模型的保存和加载都在系列化的模块下先看保存的更详细的可以参考这里https://pytorch.org/docs/stable/notes/serialization.html#preserve-storage-sharing torch.save()并torch.load()让您轻松保存和加载张量：最简单的就是t = torch.tensor([1., 2.])
torch.save(t, 't
转载
2023-10-11 06:23:50
2418阅读
测试环境版本: torch1.7.1 + CPU python 3.6Tensor是pytorch中的“张量”，可以看作是类似numpy的矩阵 本文介绍如何创建与调整Tensor参考书目: 《深度学习框架pytorch: 入门与实践》陈云著首先引用torch:import torch as t1、创建tensor1）使用Tensor函数创建tensor# 1 指定形状
a = t.Tensor(2
转载
2023-12-13 02:29:42
135阅读
