这篇文章是个速查表，需要使用的功能直接点击目录到相应的用法。 目录创建tensor新建tensor的方法表格t.tensor和t.Tensor的区别基本操作查看tensor 大小: t.size(), t.shape()tensor转list: t.tolist()计算tensor中元素总个数： t.numel()调整形状：增减维度 t.squeeze(), t.unsqueeze()?索引操作T
转载
2023-09-24 16:16:04
215阅读
# PyTorch中的Tensor广播：理解与应用
在深度学习中，我们常常需要处理多维数组或矩阵，这些数据结构在PyTorch中被称为“Tensor”。在进行Tensor运算时，PyTorch有一种强大的特性叫做“广播”（Broadcasting），它能使不同形状的Tensor在计算时“自动对齐”，从而简化代码和提高运算效率。本文将详细介绍Tensor广播的概念，并通过代码示例加以说明。
##
原创
2024-10-24 04:21:23
101阅读
pytorch作为一款经典的深度学习工具，几乎统治了科研/学生党在深度学习工具领域的全部江山。 从本篇博客开始，我将会陆续更新一些关于pytorch的基础用法和实战操作。 文章目录1 Tensor简介2 使用特定数据创建Tensor2.1 使用numpy格式的数据创建2.2 直接输入数据创建2.3 元素值相同矩阵的创建2.4 连续数据range的创建2.5 特殊矩阵的创建3 使用随机数据创建Ten
转载
2023-10-06 15:56:54
103阅读
# PyTorch Tensor 广播的科普
随着机器学习和深度学习的快速发展，PyTorch作为一个流行的深度学习框架，吸引了越来越多的开发者和研究人员。理解Tensor的操作尤为重要，尤其是“广播”机制，它让我们能够高效地进行张量运算。
## 什么是广播？
广播（Broadcasting）是一种用于处理不同形状的张量的方式，使得两种形状不同的张量能够在进行加法、乘法等运算时，自动扩展为相
原创
2024-10-24 06:45:58
60阅读
# PyTorch Tensor 广播教程
在深度学习中，我们经常需要处理不同形状的张量（Tensors），而在这些操作中，Tensor 广播（broadcasting）是一个非常重要的概念。它能帮助我们在进行数学运算时，自动扩展张量的维度。本教程将为你详细介绍如何在 PyTorch 中使用 Tensor 广播。
## 广播的基本概念
Tensor 广播是指当两个形状不同的张量进行运算时，根
# PyTorch中的广播机制：扩展Tensor的神奇力量
在深度学习中，Tensor是用于存储数据的基本元素，类似于数组或矩阵。在处理数据时，我们经常需要对不同形状的Tensor进行运算。在这个过程中，PyTorch引入了一个非常强大的特性，称为“广播（Broadcasting）”，它允许程序在执行数学运算时自动扩展Tensor的尺寸，以匹配操作的要求。本篇文章将深入解析PyTorch中的广播
目录Numpy数组的聚合与广播1.聚合numpy.sum方法最大最小值ndarray对象的max和min方法Numpy的max和min函数沿指定方向聚合常用聚合函数2.广播广播的介绍广播的规则广播的实际运用数组的归一化绘制二维图像Numpy数组的聚合与广播前面讲解了Numpy数组的通用函数.,但其实在这些通用函数背后,在数组的计算上是有一套规则的.这套规则称为广播,它确保了Numpy中不同维的数组
TensorBoard是用于机器学习实验的可视化工具包。TensorBoard允许跟踪和可视化指标，例如损失和准确性，可视化模型图，查看直方图，显示图像等等。在本教程中，我们将介绍TensorBoard的安装，PyTorch的基本用法以及如何可视化在TensorBoard UI中登录的数据。安装应该安装PyTorch以将模型和指标记录到TensorBoard日志目录中。以下命令将通过Anacond
转载
2023-08-03 13:58:06
91阅读
# PyTorch对Tensor的主动广播实现
## 1. 引言
在深度学习任务中，我们经常需要进行张量（Tensor）之间的运算。但是，当两个张量的形状（shape）不匹配时，我们无法直接进行运算。这时，PyTorch提供了主动广播（broadcasting）的功能，可以自动调整张量的形状，使其能够进行运算。本文将详细介绍PyTorch对Tensor的主动广播实现方法。
## 2. 主动广播
原创
2023-10-22 13:33:08
50阅读
为更好地保证教学质量和提高学生的学习积极性，我使用Python开发了一套课堂教学管理系统，具有在线点名、在线答疑、随机提问、在线作业管理、在线自测、在线考试、数据汇总、试卷生成、屏幕广播等功能，教师端运行界面如下图所示：该系统投入使用已有4个学期，效果非常好，不仅可以满足上课的各种需要，还可以作为“Python程序设计”课程的一个完整教学案例讲给学生，适用教材包括《Python程序设计基础》(董付
一、广播机制。
二、数组运算。
三、Numpy的计算速度。
四、数组排序sort 和 argsort。
五、重复repeat 和 title。
六、去重unique。
七、通用函数。 一、广播机制。NumPy中的广播机制并不容易理解，特别是在进行高维数组计算的时候。为了更好地使用广播机制，需要遵循4个原则。让所有的输入数组向其中shape最长的数组看齐，shape中不足的部分通过在前面加1补齐。输
转载
2024-09-23 10:06:41
165阅读
PyTorch–Tensor几乎所有的深度学习框架背后的设计核心都是张量和计算图，PyTorch也不例外一.Tensor的简介Tensor，又名张量，可能对这个名词似曾相识，因它不仅在PyTorch中出现过，它也是Theano、TensorFlow、 Torch和MxNet中重要的数据结构。关于张量的本质不乏深度的剖析，但从工程角度来讲，可简单地认为它就是一个数组，且支持高效的科学计算。它可以是一
转载
2023-11-18 22:44:16
82阅读
TensorTensor，又名张量，可以将它简单的认为是一个数组，支持高效的科学计算。它可以是一个数（标量）、一维数组（向量）、二维数组（矩阵）或更高维的数组（高阶数据）。Tensor和numpy的array类似，但是Pytorch的tensor支持GPU加速。基础操作tensor的接口设计的与numpy类似，以便用户使用。从接口的角度讲，对tensor的操作可分为两类： （1）torch.fun
转载
2023-06-29 12:07:44
303阅读
PyTorch入门学习-基本数据TensorTensor数据类型Tensor的创建与维度查看Tensor的组合与分块Tensor的索引与变形Tensor的排序与取极值Tensor的自动广播机制与向量化Tensor的内存共享 Tensor, 即张量，是PyTorch中的基本操作对象，可以看做是包含单一数据类型元素的多维矩阵。从使用角度来看，Tensor与NumPy的ndarrays非常类似，相互
转载
2023-09-21 15:37:18
118阅读
常用操作创建tensor： torch.tensor([[1,2],[3,4]]) 直接根据数据创建 torch.empty(2, 3) 创建一个 未初始化的tensor torch.zeros(2, 3, dtype=torch.long) 创建一个long型全0tensor torch.rand(2, 3) 创建一个随机初始化的tensorx = x.new_ones(2, 3) 通过现有的t
转载
2023-09-15 17:53:47
103阅读
文章目录一、tensor介绍二、tensor创建tensor元素数据类型tensor与numpy之间的转换三、tensor运算四、tensor成员变量shape五、tensor常用成员函数cat函数clone函数contiguous函数expand函数gather函数norm函数permute函数squeeze()和unsqueeze()函数sum函数transpose函数view函数 一、te
转载
2023-11-16 11:06:27
100阅读
前言PyTorch中的数据类型为Tensor，Tensor与Numpy中的ndarray类似，同样可以用于标量，向量，矩阵乃至更高维度上面的计算。PyTorch中的tensor又包括CPU上的数据类型和GPU上的数据类型，一般GPU上的Tensor是CPU上的Tensor加cuda()函数得到。通过使用Type函数可以查看变量类型。系统默认的torch.Tensor是torch.FloatTens
转载
2024-02-21 19:47:35
119阅读
# 如何在PyTorch中实现两个张量相加的广播
## 简介
在PyTorch中，我们可以使用广播机制来对两个形状不同的张量进行相加操作。广播是一种非常强大的功能，可以帮助我们简化代码并提高效率。本文将介绍如何在PyTorch中实现两个张量相加的广播操作，特别适合刚入行的小白开发者。
## 流程
首先，让我们来看一下整个实现的流程。
```mermaid
erDiagram
理解广播
原创
2024-04-08 04:17:09
132阅读
目录1、tensor 是什么？2、tensor 的三个属性2.1 Rank 秩2.2 Axis（复数 为 Axes） 轴2.3 Shape 形状3、Pytorch 中 torch.Tensor 的三个属性3.1 torch.dtype3.2 torch.device3.3 torch.layout4、创建张量的两种方法4.1 从现有数据创建张量4.2 凭空创建张量5、改变张量5.1 改变 dty
转载
2024-03-12 16:21:50
129阅读
1 广播机制介绍矩阵运算，往往只能在两个矩阵维度相同或者相匹配时才能运算。比如加减法需要两个矩阵的维度相同，乘法需要前一个矩阵的列数与后一个矩阵的行数相等。当参与运算的两个维度不同也不匹配的矩阵进行运算时，该机制会对数组进行扩展，使数组的shape属性值一样，这样，就可以进行矢量化运算了。通常情况下，小一点的数组会被 broadcast 到大一点的，这样才能保持大小一致。2 广播机制的规则2.1
原创
2023-04-22 13:16:08
1711阅读
