深度学习的数学基础（不要被吓到，很浅显）数据表示与张量运算张量在多维 Numpy 数组中，也叫张量（tensor）。一般来说，当前所有机器学习系统都使用张量作为基本数据结构。张量这一概念的核心在于，它是一个数据容器。它包含的数据几乎总是数值数据，因此它是数字的容器。你可能对矩阵很熟悉，它是二维张量。张量是矩阵向任意维度的推广［注意，张量的维度（dimension）通常叫作轴（axis）］0. sc
一、张量的操作: 拼接、切分、索引和变换一、张量的拼接与切分1、torch.cat()1、torch.cat()
功能: 将张量按维度dim进行拼接
torch.cat(tensors, dim=0, out=None)
tensors: 张量数据
dim: 需要拼接维度
主要有两种拼接方式：按行拼接和按列拼接，也就是dim=0和dim=1
e1 = torch.cat((A1,A2),
转载
2023-09-22 11:56:29
123阅读
# 获取张量的值 Python
在深度学习和机器学习中，张量（tensor）是非常常见的数据结构。张量可以看作是一个多维数组，它可以表示各种各样的数据，例如图像、文本、声音等。在Python中，我们通常使用第三方库如NumPy或TensorFlow来处理张量。本文将介绍如何使用Python获取张量的值，并提供相应的代码示例。
## 张量的结构和类型
在开始之前，让我们先了解一下张量的结构和类
原创
2024-01-09 04:14:46
128阅读
关于pytorch张量维度转换大全1 tensor.view()2 tensor.reshape()3 tensor.squeeze()和tensor.unsqueeze()3.1 tensor.squeeze() 降维3.2 tensor.unsqueeze(idx)升维4 tensor.permute()5 torch.cat([a,b],dim)6 torch.stack()7 torch
转载
2024-10-14 14:33:28
33阅读
一、torch.tensor()函数生成张量：A = torch.tensor([1.0,1.0],[2,2])
A
#tensor([1.,1.],
# [2.,2.])查看张量的一些属性：A.shape() #张量的维度
#torch.Size([2,2])
A.size() #张量的形状
#torch.Size([2,2])
A.numel() #张量中元素的数量
#4在使用to
转载
2023-11-02 06:48:02
86阅读
本节书摘来自异步社区《Python数据科学指南》一书中的第2章，第2.3节，作者[印度] Gopi Subramanian ，方延风 刘丹 译2.3 使用matplotlib进行绘画Matplotlib是Python提供的一个二维绘图库，所有类型的平面图，包括直方图、散点图、折线图、点图、热图以及其他各种类型，都能由Python制作出来。在本书中，我们将采用matplotlib的pyplot接口实
转载
2024-09-10 15:13:05
13阅读
2.1数据操作 tensor："
tensor"这个单词一般可译作“张量”，张量可以看作是一个多维数组。标量可以看作是0维张量，向量可以看作1维张量，矩阵可以看作是二维张量。
2.2.1入门首先导入torchimport torch 使⽤
arange
创建⼀个⾏向量
x
。这个⾏向量包含以
0
开始的前
12
个整数，它们默认创建为整
转载
2024-03-30 22:22:47
195阅读
# 如何在 Python Nuke 中设定 brushsize 的值
## 1. 整体流程
在 Python Nuke 中设定 brushsize 的值，需要经过以下步骤：
```mermaid
erDiagram
确定节点大小设置 --> 设置 BrushSize
```
## 2. 每一步具体操作
### 步骤一：确定节点大小设置
在这一步我们需要确定要调整的节点以及 br
原创
2024-03-02 06:17:58
56阅读
一. 概念：张量、算子 张量（tensor）理论是数学的一个分支学科，在力学中有重要应用。张量这一术语起源于力学，它最初是用来表示弹性介质中各点应力状态的，后来张量理论发展成为力学和物理学的一个有力的数学工具。张量之所以重要，在于它可以满足一切物理定律必须与坐标系的选择无关的特性。张量概念是矢量概念的推广，矢量是一阶
转载
2024-07-04 17:52:56
210阅读
# 如何在 PyTorch 中设置张量的值
PyTorch 是一个强大的深度学习框架，作为一名刚入行的小白，学习如何设置张量的值是至关重要的一步。张量是 PyTorch 的基本数据结构，相当于 NumPy 的数组，同时也为深度学习模型提供了数据的基础。本文将以简单明了的方式，教你如何在 PyTorch 中设置张量的值。
## 工作流程
首先，我们先来看看设置张量值的一般流程：
| 步骤
# PyTorch取张量的值
在PyTorch中，张量是最基本且重要的数据结构之一。张量是一种多维数组，可以用于存储和处理数字数据。当我们在使用PyTorch进行深度学习时，我们经常需要从张量中获取值，以便进行进一步的操作和分析。本文将介绍在PyTorch中如何取张量的值，并提供相应的代码示例。
## 张量的基本概念和属性
在开始学习如何取张量的值之前，让我们先了解一些基本的概念和属性。
原创
2023-08-31 04:36:03
595阅读
首先比较一下Python列表（list）、Numpy数组（ndarray）、Tensorflow张量（Tensor）之间的区别：
>> Python列表：
元素可以使用不同的数据类型，可以嵌套
在内存中不是连续存放的，是一个动态的指针数组
读写效率低，占用内存空间大
不适合做数值计算
转载
2023-09-03 10:30:21
118阅读
# Python 设定缺省值的科普文章
在Python编程中，设定缺省值是一个常见且重要的概念，尤其在函数和类的设计中。缺省值可以提高代码可读性，简化函数调用，提高代码的灵活性。本文将深入探讨Python中缺省值的概念，提供代码示例并使用类图和序列图来帮助理解。
## 什么是缺省值？
缺省值是在函数或方法定义时为参数提供的默认值。当调用该函数而未给出参数时，使用缺省值；当给出参数时，则使用提
文章目录BasicsAbout shapesIndexingSingle-axis indexingMulti-axis indexingManipulating ShapesMore on dtypesReferences import tensorflow as tf
import numpy as npBasics张量是具有统一类型（dtype）的多维数组。它和 NumPy 中的 np.a
转载
2024-01-17 06:40:19
69阅读
经过前面几期博客的学习，我们初步认识了张量的基本概念，一些重要的符号与指标，坐标的变换规律和相应的张量的分量转化规律之后，接下里，将持续学习张量的各种运算法则与规律！本人励志做最详细的博客撰写，所以加入许多基础性的知识，既为小白的理解铺垫，也为大神的日后一鸣惊人复习奠基！所以有时候前期会有较大篇幅的铺垫只为后面的一个小知识点，还请大家莫怪！ Basic Operations of Tensor A
Python 处理数据集中的空值
在Python中，可以使用多种方法处理数据中的空值，以下是一些常见的处理方法：1、删除空值：可以使用 pandas 库中的 dropna 方法删除数据中的空值，例如：import pandas as pd
df = pd.read_csv("data.csv")
df = df.dropna()2、填充空值：可以使用fill
转载
2024-07-08 20:17:29
117阅读
张量的创建张量张量的定义Tensor与Variable张量的创建1.直接创建torch.tensor()torch.from_numpy(ndarray)2.依据数值创建torch.zeros()torch.zeros_like()torch.ones()torch.ones_like()torch.full()torch.full_like()torch.arange()torch.linsp
转载
2023-10-14 11:02:01
85阅读
张量作为有序的序列，也是具备数值索引的功能，并且基本索引方法和Python原生的列表、NumPy中的数组基本一致，当然，所有不同的是，PyTorch中还定义了一种采用函数来进行索引的方式。1 张量的符号索引基本格式遵循[start:end:step],索引的基本要点回顾如下。注：张量索引出来的结果还是零维张量，而不是单独的数。要转化成单独的数，需要使用item()方法。注：在张量的索引中，step
转载
2024-04-22 22:16:24
57阅读
第2章 神经网络的数学基础张量（tensor）一般来说，当前所有机器学习系统都使用张量作为基本数据结构。张量是数字的容器，矩阵就是二维张量。张量是矩阵向任意维度的推广。张量的维度通常称作轴。仅包含一个数字的张量叫做标量（也叫 0D张量）在 Numpy 中，一个 float32 或 float64 的数字就是一个标量张量（或标量数组）。你可以用 ndim 属性来查看一个 Numpy 张量的轴的个数。
转载
2023-12-01 10:59:46
33阅读
numpy处理张量的包。张量是矩阵向任意维度的推广（张量的维度通常叫做轴 axis）。标量（0D张量） 仅包含一个数字的张量叫作标量(scalar，也叫标量张量、零维张量、0D 张量)。向量（1D张量） 数字组成的数组叫做向量（vector）或一维张量（1D张量）。矩阵（2D张量） 向量组成的数组叫作矩阵(matrix)或二维张量(2D 张量)。3D张量和更高维张量选
转载
2023-10-06 22:54:59
87阅读
