一、基础数据类型补充知识1、fromkeys 将一个对象作为values分别复制给另一个对象，另一个对象里的元素作为keys[注意：此时作为values的元素地址相同，因为他们引用的是同一个地址，所以values相同。 dic=dict.fromkeys([1,2,3,4,5,6,],[])
print(dic) 结果：对values [] &
转载
2024-07-19 11:36:39
112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
文章目录1. 继承2. 类成员的继承和重写3. 多态4. 对象的浅拷贝和深拷贝5. 组合 Python是面向对象的语言，面向对象编程的三大特性：继承、封装（隐藏）、多态 1. 继承如果类定义汇总没有制定父类，则默认父类是object类。定义子类时，必须在其构造函数中调用父类的构造函数。调用格式如下： 父类名.init(self, 参数列表)2. 类成员的继承和重写成员继承：子类继承了父类除构造
文章目录Tensor维度变换1. view / reshape1.1 view 函数1.2 reshape 函数2. squeeze / unsqueeze2.1 unsqueeze 函数案例2.2 squeeze 函数3. expand / repeat3.1 expand 函数3.2 repeat 函数4. 矩阵转置4.1 t 函数4.2 transpose 函数案例：数据污染4.3 per
转载
2023-06-20 23:25:00
152阅读
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
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
# Python中修改Tensor的维度
在深度学习和机器学习的领域，使用Tensor是非常常见的。在Python中，我们通常使用Pytorch或TensorFlow来处理Tensor。Tensor不仅可以存储多维数据，还可以通过改变其维度来进行各种复杂的数学计算。本篇文章将重点介绍如何在Python中修改Tensor的维度，并提供代码示例以及可视化的状态图和饼状图。
## 什么是Tensor
原创
2024-10-17 13:33:06
59阅读
python中【赋值】、【浅复制】、【深复制】的区别相信很多同学是学到“浅复制”（浅拷贝）及“深复制”（深拷贝）这两个概念才来看本篇文章的，那我们不妨通过本篇文章来彻底的了解一下python中【赋值】、【浅复制】、【深复制】的区别。1.赋值 【赋值】这个概念在学习python之初就已经很了解了，我们每每定义一个变量，都会给它进行【赋值】，那我们先看一下【赋值】的一些用法：str1 = 'hopes
引用VS拷贝赋值操作总是储存对象的引用，而不是对象的拷贝。赋值操作会产生相同对象的多个引用，在原处修改可变对象时，可能会影响程序中其他地方对相同对象的其他引用。拷贝方法：L[:]复制序列字典copy方法（X.copy()）复制字典内置函数（如list）生成拷贝（list(L)）copy标准库模块生成完整拷贝 **注意：**无条件值的分片以及字典copy方法只能做顶层复制，不能复制嵌套的数据结构。使
发现当我使用DataLoader加载数据的时候使用Module进行前向传播是可以的，但是如果仅仅是对一个img(三维)进行前项传播是不可以的。RuntimeError: Expected 4-dimensional input for 4-dimensional weight [6, 3, 2, 2], but got 3-dimensional input of size [3, 32, 32]
转载
2021-08-20 20:38:00
1250阅读
2评论
微调1.微调的步骤1.在源数据集（如ImageNet数据集）上预训练一个神经网络模型，即源模型。 2.创建一个新的神经网络模型，即目标模型。它复制了源模型上除了输出层外的所有模型设计及其参数。我们假设这些模型参数包含了源数据集上学习到的知识，且这些知识同样适用于目标数据集。我们还假设源模型的输出层与源数据集的标签紧密相关，因此在目标模型中不予采用。 3.为目标模型添加一个输出大小为目标数据集类别个
1、张量1.1 pytorch和python的对比python：int、float、tuple(元组)、stringpytorch：以tensor结尾，不同类型的tensor的维度不同 例如：整型数字tensor维度为0，二维数组tensor的维度为2维1.2 pytorch特殊地方pytorch不支持string，可以用one-hot编码表示字符常见类型：float32对应pytorch：tor
转载
2023-09-29 08:42:41
188阅读
1.reshape重置形状 a = tf.random.normal([4,28,28,3]) print("a:",a.shape,a.ndim) # 失去图片的行和列信息，可以理解为每个像素点（pixel） b = tf.reshape(a,[4,28*28,3]) print("b:",b.s
原创
2023-04-01 03:37:22
441阅读
Welcome To My Blog 获取Tensor维度比如一个Tensor为a = tf.constant([[1,2,],[3,4]],name='a'),有三种方式可以获取a的维度 1. a.shape 2. a.get_shape() 3. tf.shape(a) 前两种返回类型是TensorShape,代表静态shape,a.shape.a...
原创
2023-01-18 00:48:09
184阅读
# PyTorch Tensor维度转换指南
作为一名刚入行的开发者，你可能对PyTorch中的Tensor维度转换感到困惑。本文将为你提供一份详细的指南，帮助你理解并掌握Tensor维度转换的基本概念和方法。
## 1. Tensor维度转换概述
在PyTorch中，Tensor是一个多维数组，可以进行各种数学运算。维度转换是Tensor操作中的一个重要部分，它允许我们改变Tensor的形
原创
2024-07-26 10:28:12
141阅读
在深度学习领域，使用 PyTorch 对 tensor 的维度进行调整是一项常见的需求。随着模型的复杂性增加，我们经常会遇到 tensor 维度不匹配的问题，尤其是在实现数据预处理、模型输入输出以及结果处理时。
- 现象描述
- 在训练深度学习模型时，经常需要对输入数据的维度进行变换。
- 尝试对 tensor 使用不当的 reshape 方式，导致了运行错误。
- 错误信息提示维度
Tensor的操作Tensor的主要运算操作通常分为四大类：Reshaping operations（重塑操作）Element-wise operations（元素操作）Reduction operations（缩减操作）Access operations（访问操作）元素操作 元素在张量中的位置由定位每个元素的索引决定，而元素操作是对张量元素的运算，这些张量元素在张量中对应或有相同的索引位置，这里
转载
2024-03-11 14:20:54
54阅读
常用Tensor用法小结生成 tensortensor(*size)
tensor(data)
arange(s,e,step) #s-e 步长为step
linspace(s,e,steps) #s-e 均匀steps份
rand/randn(size) #均匀/标准分布
normal（mean，std）/uniform(from,to)#正态/均匀分布
randperm(m) #随机排列
转载
2023-11-26 21:07:03
67阅读
一、张量（一）张量介绍张量(也可以叫做Tensors)是pytorch中数据存储和表示的一个基本数据结构和形式，它是一个多维数组，是标量、向量、矩阵的高维拓展。它相当于Numpy的多维数组(ndarrays),但是tensor可以应用到GPU上加快计算速度， 并且能够存储数据的梯度信息。
维度大于2的一般称为高维张量。以计算机的图像处理数据为例
3维张量，可以表示图像的：通道数×高
转载
2024-05-09 12:09:12
245阅读
使用Pytorch构建神经网络一般分为四个步骤：数据构建与处理（Dataset）构建神经网络和损失函数（nn.Module）对参数进行优化（torch.optim）模型的保存与加载一、Tensor(张量) Pytorch基本操作是OP，被操作的最基本对象是Tensor。Tensor表示一个多维矩阵。比如零位就是一个点，一维就是向量，二维就是矩阵，多维相当于一个多维的数组。这个numpy是对应的。而
转载
2024-06-09 07:44:20
58阅读
