写这么久的代码，你有想过扩展你的语言吗？Python 提供了扩展机制，你可以 DIY 你的 Python。 那么为什么要扩展 Python 呢？我想有一下几个理由：添加额外的功能 既然都叫扩展了，当然是为了添加额外的功能…性能瓶颈的效率提升 Python 是一种解释性语言，理论上来说它的效率会比编译型语言的效率要低，但是 Python 已经在效率上做了很多优化，如你看到的 .pyc 中间文件
转载
2023-07-27 22:34:45
85阅读
# Python Tensor扩展教程
Tensor扩展是一种在深度学习和科学计算中常用的技术。Python的多个库，例如PyTorch和TensorFlow，都支持Tensor的操作。对于初学者来说，理解如何创建和扩展Tensor对于深入理解这些库至关重要。本文将为你提供简单明了的流程，并结合代码示例，帮助你快速上手。
## 流程概览
下面是实现Python Tensor扩展的基本步骤：
今天从下午5点开始安装Python和TensorFlow，先是装了Python3.6，然后pip顺利安装好了，到最后安装TensorFlow遇到了麻烦。师兄突然告诉我Python3.6不支持用pip装TensorFlow，晴天霹雳告诉我要卸载掉重新装Python3.5版本，而且推荐了anaconda这个集成器。（anaconda里面集成了很多关于python科学计算的第三方库，主要是安装方便，而p
使用C/C++扩展Python如果你会用C，实现Python嵌入模块很简单。利用扩展模块可做很多Python不方便做的事情，他们可以直接调用C库和系统调用。
为了支持扩展，Python API定义了一系列函数、宏和变量，提供了对Python运行时系统的访问支持。Python的C API由C源码组成，并包含 “Python.h” 头文件。
编写扩展模块与你的系统相关，下面会详解。
目录
1
转载
2023-10-28 13:43:31
37阅读
张量维度操作（拼接、维度扩展、压缩、转置、重复……）note: torch.fun(tensor1)和tensor1.fun()都只会返回改变后的tensor，但是tensor本身的维度和数据都不会变。包括unsqueeze、expand等等。张量切片选择TORCH.INDEX_SELECTtorch.index_select(input, dim, index, *, out=None)示例&g
转载
2024-08-22 22:25:09
62阅读
一、扩展理论基础概念： 任何可以集成或导入另一个Python脚本的代码都是一个扩展 举例：将C代码封装进Python中什么时候需要扩展python： 1、需要python没有的额外功能 2、改善瓶颈性能。把软件开发过程中的瓶颈部分在扩展中实现 3、隐藏专有代码。实现自我研究成果保护什么情况下不应该扩展python： 1、必须编写c/c++代码 2、需要手动管理应用二、扩展代码编写编写python扩
转载
2023-09-24 22:12:46
122阅读
# 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
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
文章目录1，张量扩增([expand](https://pytorch.org/docs/stable/generated/torch.Tensor.expand.html?highlight=expand), [repeat](https://pytorch.org/docs/stable/generated/torch.Tensor.repeat.html?highlight=repeat#
转载
2024-05-18 17:28:27
230阅读
一、collections模块 在内置数据类型的基础上(list tuple set dict str)，collections模块提供了如下几种额外的数据类型：namedtuple deque Counter OrderDict defaultdict 1、namedtuple：生成可以使用名字访问元素的元组，正常的元组可以通过索引进行取值，但是很难看出元组元素所表示的意义，这就是named
转载
2023-11-27 19:43:08
59阅读
以下小结为本人结合实验后得出的结论，如有错误或补充欢迎指正交流。（持续更新）tensor.expand()这个方法可以扩张维度，返回当前张量在某维扩展更大后的张量，但是被扩张的维度里的元素只能唯一。tensor.squeeze()将维度压缩到最紧凑的状态 至于为啥要压缩，也不是很清楚tensor.view()将矩阵变成想要的形状参数为该维度中元素个数，如图dim=0的元素个数为3，dim=1的元素
转载
2023-11-24 20:05:44
268阅读
文章目录一、TensorBoard简介与安装1.TensorBoard的运行机制2. TensorBoard安装二、TensorBoard的使用1.SummaryWriter 一、TensorBoard简介与安装 TensorBoard是一种可视化工具。在训练过程中，我们要可视化训练过程，用来监控我们当前训练的训练状态。TensorBoard是TensorFlow中强大的可视化工具，但目前Py
转载
2023-08-01 20:24:08
175阅读
pytorch 和tensorflow 中最重要的概念就是tensor了，tensorflow 这个框架的名字中很直白，就是tensor的流动，所以学习深度学习的第一课就是得搞懂tensor到底是个什么东西。 1.tensor到底是啥tensor 即“张量”。实际上跟numpy数组、向量、矩阵的格式基本一样。但是是专门针对GPU来设计的，可以运行在GPU上来加快计算效率。在PyTorch
转载
2023-07-09 19:28:13
167阅读
tensorflow的基本用法主要数据类型类型描述作用Session会话用于执行graphgraph计算任务必须在Session中启动tensor数据一个类型化的多维数组op操作graph中的节点，输入tensor，经op后输出也为tensorVariable变量用于状态的维护feed赋值为op的tensor赋值fetch取值从op的tensor取值过程原理一个 TensorFlow 即为一个张图
转载
2024-01-03 13:35:10
65阅读
pytorch基础pytorch中的Tensor概念Tensor是指张量，是pytorch中的数据类型。其中，一个点叫0阶张量，一维数据（向量）是一阶张量，二维数组（矩阵）是二阶张量，三维数组就叫三阶张量，张量是矢量概念的一种推广。Tensor定义注意：Python中[[1,2],[2,3]]，表示[1,2]、[2,3]表示行
torch.FloatTensor 这个可以生成一个浮点类型的张量，其
转载
2023-09-04 18:05:57
134阅读
Tensor的基本使用1.基本概念标量：就是一个数，是0维的，只有大小，没有方向向量：是1*n的一列数，是1维的，有大小，也有方向张量：是n*n的一堆数，是2维的，n个向量合并而成2.a.size(),a.shape(),a.numel(),a.dim()的区别a.size()：输出a的某一维度中元素的个数，若未指定维度，则计算所有元素的个数a.shape()：输出a数组各维度的长度信息,返回是元
转载
2024-06-25 13:59:18
107阅读
目录python和Pytorch数据类型pytorch数据类型pytorch类型推断维度为0的标量标量判断维度为1的向量 Linear input维度为2的tensor Linear input batch维度为3的tensor RNN input维度为4的tensor CNN input其它的创建Tensor从numpy中引入 torch.from_numpy()从list中导入 torch.
转载
2023-10-11 20:24:58
190阅读
我在是在多线程中出现了这
原创
2022-08-11 10:25:56
116阅读
## Python Tensor View
Tensor is a fundamental data structure used in many machine learning and deep learning frameworks. It is a mathematical object that represents multi-dimensional arrays and is wi
原创
2023-11-13 05:43:54
37阅读
# Python中排列Tensor的应用探索
在机器学习和深度学习中，Tensor是数据表示的基础。它可以看作是一个多维数组，而排列（permutation）则是操作Tensor的重要手段之一。排列Tensor的能力使我们能够灵活地处理数据，提高模型训练和推断的效率。本文将通过代码示例详细介绍如何在Python中使用NumPy库来进行Tensor的排列操作。
## 什么是Tensor的排列？
