张量操作篇1 数据类型转换1.1数据类型1.2数据类型转换2 张量操作2.1 形状操作2.2切片和合并2.3 归约计算2.4索引求取 1 数据类型转换1.1数据类型整型数据代码描述tf.int88位整数tf.int1616位整数tf.int3232位整数tf.int6464位整数tf.uint88位无符号整数。tf.uint1616位无符号整数。浮点型数据代码描述tf.float1616位浮点数
转载
2024-10-15 20:30:20
90阅读
【TensorFlow 数据流图】 【说明】 【一】【Tensor】【张量】在数学里，张量是一种几何实体，广义上表示任意形式的 “数据”。张量可以理解为0阶（rank）标量、1阶向量和2阶矩阵在该纬度空间上的推广，张量的阶描述它表示数据的最大纬度张量是用来表示多维数据的，是执行操作时的输入或输出数据两个重要属性：数据类型 (浮点、整型、字符串等) + 数组形状 (各维度大小)张量的形状不一定在编译
1.自上而下理解三者关系 首先我们看一下DataLoader.next的源代码长什么样，为方便理解我只选取了num_works为0的情况(num_works简单理解就是能够并行化地读取数据)class DataLoader(object):
...
def __next__(self):
if self.num_workers == 0:
本次我们要学会使用DataLoader数据加载器来对数据集进行mini_batch批处理，这样可以防止过拟合，以便有更好的泛化能力。几个名词的解释：epoch：指的是一次性训练全部样本的次数total_size：全部的样本数batch_size：指的是将全部样本分批训练，一批中的样本数total_batch：指的是将全部样本分为多少批来看下面这个例子：total_size = 10000 有100
转载
2024-06-12 20:47:44
126阅读
可视化网络结构使用torchinfo工具包来可视化网络结构。使用print函数打印模型基础信息以ResNet18为例import torchvision.models as models
model = models.resnet18()
print(model)这时候得到的模型信息输出结果只能得出基础构件的信息，既不能显示出每一层的shape，也不能显示对应参数量的大小。具体结果如下：ResNe
转载
2024-08-15 11:58:57
297阅读
# PyTorch如何打印张量中的某个值
在使用PyTorch进行深度学习和科学计算时，经常需要对张量（Tensor）进行操作。例如，有时我们需要打印张量中特定位置的值。在这篇文章中，我们将详细探讨如何在PyTorch中实现这一功能，包括代码示例，以及整个流程的可视化表示。
## 1. 理解张量
张量是PyTorch中最基本的数据结构，它可以是任意维度的数组。大多数深度学习的输入和输出都是张
文章目录目的Python和Pytorch数据类型对应创建tensor的方法一些常用的生成tensor方法tensor的切片与索引tensor的维度变换（重点）tensor的叠加和分割tensor的数学运算tensor的统计相关操作 目的在Pytorch中必须使用Pytorch特有的张量（tensor）数据类型，本文介绍tensor的基本操作Python和Pytorch数据类型对应 以上数据是存储
转载
2023-10-20 18:13:55
128阅读
Java实现调用Bartender控制条码打印机
原创
2022-01-30 13:33:56
641阅读
# Python 监听打印机打印张数
随着信息化的不断发展，打印机在我们的日常办公中仍然扮演着重要角色。在某些场合，比如学校、公司等，我们可能需要监控打印机的使用情况，例如每个用户打印的张数。通过 Python，您可以便捷地实现这一功能。本文将介绍如何使用 Python 监听打印机的打印张数，并通过可视化手段展示结果。
## 1. 安装所需库
在开始编写代码之前，首先需要确保安装了`win3
原创
2024-09-26 04:56:59
140阅读
Java实现调用Bartender控制条码打印机
原创
2021-06-22 13:09:17
397阅读
# Java 中 PageFormat 设置打印张数
在 Java 中，打印功能通常使用 `java.awt.print` 包中的类来实现。我们可以通过 `PageFormat` 类来定义打印的格式，包括打印纸张的大小、取向和每页的内容。在某些情况下，您可能希望控制打印的张数，这可以通过实现 `Printable` 接口来实现。本文将详细介绍如何设置打印张数，并提供相关代码示例。
## 1.
原创
2024-09-14 05:11:08
103阅读
PyTorch是一个基于Python的科学包，用于使用一种称为张量的特殊数据类型执行高级操作。 虽然也有其他方式可以实现相同的效果，但今天分享的这5个操作更加方便高效，值得一试。什么是张量？张量是具有规则形状和相同数据类型的数字、向量、矩阵或多维数组。张量是属于线性代数里的知识点，线性代数是用虚拟数字世界表示真实物理世界的工具。点——标量(scalar)；线——向量(vector)；面——矩阵(m
转载
2023-07-27 08:49:09
61阅读
从TensorFlow的名字就可以看出张量(tensor)是一个很重的概念。在tensorflow程序中所有的数据都通过张量的形式来表示。从功能的角度看，张量可以被理解为多维数组。其中零阶张量表示标量（scalar）也就是一个数；一阶张量为向量，也就是一维数组；n阶张量可以理解为一个n维数组。但张量的实现并不是直接采用数组的形式，它只是对TensorFlow中运算结果的引用。在张量中并没有保存数字
转载
2024-03-30 09:04:42
98阅读
1 进程进程与程序操作系统之中最为通用的概念就是「进程」。与此相关的面试题以及各种技术优化策略也层出不穷，足以够证明它对于理解操作系统中举足轻重的地位。事实上，通过「进程」，程序员可以更为直观的理解自己所开发的软件，并且能够从中深刻的认识到操作系统在软件运行做了些什么。简单来讲，进程就是正在执行的程序。每个进程都包含有属于自己的一段地址空间，可以看作是一部分内存空间。在这样的地址空间中，进程能够根
转载
2024-07-24 21:35:09
17阅读
TensorFlow之张量1 张量(Tensor) 【类似于numpy中的数组】TensorFlow 的张量就是一个 n 维数组， 类型为tf.Tensor。Tensor具有以下两个重要的属性type:数据类型shape:形状(阶)1.1 张量的类型1.2 张量的阶形状有0阶、1阶、2阶….tensor1 = tf.constant(4.0)
tensor2 = tf.constant
tensorx = torch.rand(4,5)
torch.save(x.to(torch.device('cpu')), "myTensor.pth")
y = torch.load("myTensor.pth")
print(y)list 保存到本地就是保存为.npy文件import numpy as np
a = [(u'9000023330249', 1), (u'13142928
转载
2023-06-30 10:09:39
217阅读
pytorch张量运算张量的简介生成不同数据类型的张量list和numpy.ndarray转换为TensorTensor与Numpy Array之间的转换Tensor的基本类型转换（float转double，转byte等）torch.arange()、torch.range()、torch.linspace的区别：张量的重排（reshape、squeeze、unsqueeze、permute、t
转载
2023-05-26 10:08:33
176阅读
目录一、张量概述：二、初始化张量：直接使用Python列表转化为张量：通过Numpy数组（ndarray）转换为张量：通过已有的张量生成新的张量：通过指定数据维度生成张量： 三、张量属性：四、张量的运算：1.张量的索引和切片：2.张量的拼接：3.张量的乘法和矩阵乘法：乘法（点乘）：矩阵乘法（叉乘）：4.自动赋值运算：五、Tensor和Numpy的相互转换：1.由tensor转换为ndar
转载
2023-06-19 18:58:18
615阅读
5. Tensor 分解张量的最大特征之一是可以被紧密地表示为分解形式，并且我们有强大的保证方法来得到这些分解。在本教程中，我们将学习这些分解形式以及如何进行张量分解。关于张量分解的更多信息，请参考1。5.1. Tensor 的 Kruskal 形式其思想是将张量表示为一阶张量的和, 也就是向量的外积的和。这种表示可以通过应用典型的Canonical Polyadic 分解(也称为CANDECOM
转载
2023-10-23 09:30:20
194阅读
TensorFlow这里简单总结一下TensorFlow的入门学习基础，作为TensorFlow学习之旅的启航。
张量（Tensor）TensorFlow 内部的计算都是基于张量的,张量是在我们熟悉的标量、向量之上定义的，详细的定义比较复杂，我们可以先简单的将它理解为一个多维数组：3 # 这个 0 阶张量就是标量，shape=[] [1., 2., 3.] # 这个 1 阶张量就是向量，sha
转载
2024-09-01 10:09:23
43阅读
