用 numpy 创建 tensor：import numpy as np
import torch
a_np = np.array([2,3.3])
a_tensor = torch.from_numpy(a_np)
print("a_tensor: ", a_tensor)用 list 创建 tensorimport torch
a_list = [2,3.3]
a_torch = torc
转载
2024-05-15 06:28:01
91阅读
squeeze只能删除维度为1的某一维。若某个维度不为1，可以用切片取出该维度的一个数据，再用squeeze删除。
原创
2023-07-28 14:03:59
505阅读
pytorch中对tensor操作：分片、索引、压缩、扩充、交换维度、拼接、切割、变形1 根据维度提取子集2 对数据进行压缩和扩充：torch.squeeze() 和torch.unsqueeze()3 对数据维度进行交换：tensor.permute()4 对数据进行拼接：torch.cat(), torch.stack()5 对数据进行切割：torch.split()6 对数据进行变形：te
转载
2023-11-26 10:58:02
757阅读
Tensor的基础知识张量的基本概念 张量（Tensor）是神经网络中使用的主要数据结构，在网络的输入、转换和输出都涉及到张量。张量的概念是对其他更具体概念的数学概括，张量在计算机科学方面和数学方面本质上相同，但术语不同，对比图如下，其中Indexes required表示需要的索引数。 换言之，在深度学习和神经网络中，张量是n维数组，我们用张量这个词来表示所有的n值，比如标量是零维张量、矢量是一
转载
2023-12-06 17:49:09
138阅读
首先说明，这个是 20200314 的帖子，可能各位大大看到的时候，情况已经发生了变化，各位做参考就好了。前面是拉拉杂杂的，可以直接到后面的安装其实安装 tersorRT 其实比较简单，但是要将 tensorRT 和 pytorch 安装在一个盒子里面，就尴尬了。应该在实际的运行环境，不需要这样做，因为按照官方介绍 tensorRT 是做运用环境下的部署，运行环境建议大家直接使用 tensorRT
w3c学习网址TensorFlow将给定值转换为张量tf.convert_to_tensor此函数将各种类型的 Python 对象转换为 Tensor 对象.它接受 Tensor 对象,numpy 数组,Python 列表和 Python 标量convert_to_tensor (
value ,
dtype = None ,
name = None ,
p
转载
2024-04-24 21:44:18
82阅读
Tensorflow（三） —— Tensor的索引与切片1 主要的几种索引方式2 basic indexing3 numpy_style indexing4 start:end5 start:end:step6 ::-1 实现倒序功能7 ... 代表任意长8 selective indexing(可选索引)9 gather_nd索引10 tf.boolean_mask 1 主要的几种索引方式1
# Python 中增加一维数组
在Python中，数组是一个非常常见的数据结构，我们经常需要对数组进行操作，其中包括增加一维数组。在本文中，我们将介绍如何在Python中增加一维数组，并给出相应的代码示例。
## 什么是一维数组
在Python中，一维数组是一种包含一组元素的数据结构，这些元素按照顺序排列在一个线性序列中。一维数组中的每个元素都有一个唯一的索引，可以通过这个索引来访问数组中
原创
2024-05-29 05:11:22
26阅读
# 如何在Python中增加一维
## 简介
在Python中，我们经常需要处理多维数组。有时候，我们可能需要在现有的数组上增加一维。本文将介绍如何在Python中实现增加一维的操作，帮助刚入行的开发者理解这一过程。
## 流程图
```mermaid
flowchart TD
A(开始)
B(定义原始数组)
C(创建新的一维数组)
D(将原始数组转换为二维
原创
2023-09-27 19:19:00
54阅读
在处理高维数据时，Python 中的 tensor 降维问题显得尤为重要。通过有效的降维，可以减小数据的复杂性，同时保留有用的信息。降维不仅能够提升模型的训练效率，还可以提高数据可视化的效果。在本文中，我们将探讨如何通过一系列结构化的方法来实现这一目标。
首先，为了确保我们在进行 tensor 降维操作时不会丢失重要数据，我们需要制定一个备份策略。这种策略不仅要关注数据的完整性，还要思考数据存储
Tensor的概念 在PyTorch中，torch.Tensor是一种包含单一数据类型元素的多维矩阵，也是存储和变换数据的工具。且Tensor提供GPU计算和自动求梯度等功能。 Tensor 中文为张量。张量的意思是一个多维数组，它是标量、向量、矩阵的高维扩展。标量可以称为 0 维张量，向量可以称为 1 维张量，矩阵可以称为 2 维张量，RGB 图像可以表示 3 维张量。Tensor与Variab
转载
2023-11-09 10:24:10
307阅读
官方文档链接：https://docs.scipy.org/doc/scipy-1.3.0/reference/generated/scipy.interpolate.interp1d.html#scipy.interpolate.interp1dscipy库中可以通过interp1d类来实现一维插值照例还是官方文档的翻译与解释类原型：class scipy.interpolate.in
转载
2024-01-31 11:26:55
89阅读
深度之眼官方账号：01-02-张量简介与创建torch.tensor()b = torch.tensor(data,
dtype=None,
device=None,
requires_grad=False,
pin_memory=False)data：创建的tensor的数据来源，可以是list或numpy dtype：数据类型，默认与data一致
转载
2024-09-27 06:39:04
94阅读
# 如何使用 PyTorch 实现一维 Tensor 相乘
在深度学习中，PyTorch 是一个流行的框架，它提供了丰富的功能和工具，方便开发者进行张量（Tensor）操作。今天，我们将一起学习如何在 PyTorch 中实现一维 Tensor 的相乘操作。
## 整体流程
在开始之前，让我们先看一下实现一维 Tensor 相乘的总体流程。下表清晰地列出了每个步骤及其对应的操作：
| 步骤
说明:initial_value：Tensor或可转换为Tensor的Python对象，它是Variable的初始值。除非validate_shape设置为
小白最近刚开始使用pytorch，经常需要在各个网站反复查询一些函数的区别。但是不同的博客说的有时候不一样，趁着实验室停电，小白写了这篇文章，方便自己食用，不定期更新。如有错误，欢迎大家热烈指正。第0章 敌动我也动，敌动我不动之前写背包问题的时候，对序列B做更改的时候，(B=A) 序列A也跟着改变大小。这是因为A和B都指针指向了同一个地址。下面详细介绍：c = [1,2]赋值的时候，python是
转载
2023-12-24 14:31:12
94阅读
文章目录创建tensor直接创建从numpy中获得数据创建特定的tensor 根据数值要求：根据矩阵要求:随机采用生成:基本运算，加减乘除乘法对数运算：幂函数：指数运算截断函数对比操作：python number的获取tensor设置判断:设置: 通过一些内置函数，可以实现对tensor的精度, 类型，print打印参数等进行设置tensor的一些用法： 创建tensor直接创建torch.te
转载
2023-11-10 11:45:59
311阅读
1 基于特征选择的降维特征选择是在数据建模过程最常用的特征降维手段，简单粗暴，即映射函数直接将不重要的特征删除，不过这样会造成特征信息的丢失，不利于模型的精度。由于数据的Fenix以抓住主要影响因素为主，变量越少越有利于分析，因此特征选择常用于统计分析模型中。1.1特征选择的方法过滤法(Filter)：按照发散性或者相关性对各个特征进行评分，通过设定阈值或者待选择阈值的个数来选择特征。包装法(Wr
转载
2023-11-13 23:27:06
86阅读
特征降维是无监督学习的另一个应用，目的有两个：一是我们经常在实际项目中遭遇特征维度非常高的训练样本，而往往无法借助自己的领域知识人工构建有效特征；二是在数据表现方面，我们无法用肉眼观测超过三个维度的特征。因此特征降维不仅重构了有效的低维度特征向量，同时也为数据展现提供了可能。PCA是最为经典和实用的特征降维技术，特别在辅助图形识别方面有突出的表现。本篇我们依然沿用上篇的“手写体数字图像”全集数据。
# 从3维Tensor降到2维Tensor
## 操作流程
```mermaid
journey
title 降维过程
section 理解问题
开发者->小白: 确定需要将3维Tensor降为2维
section 寻找方法
开发者->小白: 推荐使用PyTorch的view函数
section 实施操作
开发者-
原创
2024-04-15 03:40:20
96阅读
