1.数据类型如何表示string?One-hot [0,1,0,0,...]Embedding Word2vec，glove类型推断1 #type check
2 a=torch.randn(2,3)
3 print(a.type()) #
转载
2024-09-25 21:57:20
27阅读
# Python张量扩张维度教程
在深度学习和数据处理的过程中，张量（tensor）的维度扩张是一个常见的需求。今天，我们将学习如何在Python中实现张量的扩张维度。这个教程面向刚入行的小白，我们将一步一步地进行引导，确保你在结束后能独立完成此任务。
## 1. 整体流程
为了帮助你理解张量扩张维度的过程，我们首先列出整个流程。下表展示了实现这一目标的步骤：
| 步骤 | 描述
原创
2024-10-03 04:37:53
105阅读
一、张量拼接与切分1.1 torch.cat() 功能：将张量按维度dim进行拼接tensor：张量序列dim：要拼接的维度举例：t = torch.ones(2,3)
t_0 = torch.cat([t,t],dim=0)
t_1 = torch.cat([t,t,t],dim=1)
print('t_0:{} shape:{}\nt_1:{} shape:{}'.format(t_0,t_0
转载
2023-09-17 13:38:35
128阅读
# PyTorch张量填充
在PyTorch中，张量（Tensor）是最基本的数据类型，类似于NumPy中的数组。张量可以用来存储和处理数据，是深度学习框架中的核心数据结构。在实际应用中，我们经常需要对张量进行填充操作，即将张量的某些位置填充为指定的数值。本文将介绍如何在PyTorch中进行张量填充，并提供代码示例。
## 张量填充的操作
在PyTorch中，可以使用`torch.fill_
原创
2024-07-12 06:07:38
141阅读
在深度学习框架中，PyTorch作为一个流行的选择，提供了丰富的功能以处理张量。在使用PyTorch时，我们常常需要将张量的某些部分填充为0，以便于后续处理。本文将详尽记录“pytorch 张量填充0”问题的解决过程，涵盖背景、技术原理、源码分析等多个方面。
### 背景描述
在2023年的深度学习研究中，张量运算的重要性越来越突出，尤其在自然语言处理（NLP）及计算机视觉（CV）领域，填充操
# PyTorch 张量排序填充与复制张量限幅的实现
在深度学习中，处理张量是常见的任务。在一些场景中，我们需要对张量进行排序、填充与复制限幅等操作。本文将指导你如何使用 PyTorch 实现这些功能，并逐步介绍相应的代码和逻辑。
## 整体流程
在开始之前，我们先来看一下实现的整个流程，这里通过一个表格来展示步骤。
| 步骤 | 描述 | 代码
原创
2024-08-28 06:32:40
63阅读
数据增强对深度神经网络的训练来说是非常重要的，尤其是在数据量较小的情况下能起到扩充数据的效果。本文总结了pytorch中使用torchvision提供的transform模块，进行数据增强常用的7种方式，并将每种操作封装为函数，便于CV（Ctrl）程序员使用，共包含以下8个部分（如果觉得有用请点个赞呀！！！）：（1）获取PIL.Image类型图片（准备数据）（2）中心裁剪（3）随机裁
转载
2024-04-20 11:47:56
55阅读
1、数据增强（data augmentation）数据增强又称为数据增广，数据扩增，它是对训练集进行变换，使训练集更丰富，从而让模型更具泛化能力。在中学阶段就已经接触过数据增强的概念，看一个例子，高中的五年高考三年模拟，假设学生是一个模型，五年高考真题是一个训练集，当年高考题是一个验证集，用来验证学习模型的学习能力和效果。对于这个例子怎么做数据增强呢？就是对历年的高考题的知识点进行分析和提炼，设计
转载
2023-08-28 11:13:02
0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
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
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
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
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
127阅读
陈天奇：内存张量结构DLPack的PythonAPI来了新智元2021-02-28 14:25:22【新智元导读】DLPack是一种开放的内存张量结构，用于在框架之间共享张量，近日，开发者陈天奇更新社交媒体详细介绍了为DLPack添加PythonAPI、语义和实现细节的内容。大家知道DLPack吗：深度学习从业人员或多或少都会有了解，诸如 Tensorflow、PyTorch 等深度学习框架，确实
转载
2023-11-14 09:20:24
29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
# Python 矩阵扩张的探索
在数据科学、机器学习和工程计算等领域，矩阵是一个非常重要的概念。在数据处理中，我们常常需要对矩阵进行扩张（Padding）操作。本文将深入探讨如何用Python对矩阵进行扩张，并通过示例代码和流程图来加深理解。
## 什么是矩阵扩张？
矩阵扩张是指在矩阵的周围添加额外的元素，使得矩阵的尺寸增加。在某些情况下，例如卷积神经网络中，我们希望在输入矩阵的边缘添加零
原创
2024-10-12 03:59:55
71阅读
? 引言/动机? 扩展 Python? 创建应用程序代码? 用样板包装你的代码? 编译? 导入并测试? 引用计数? 线程和 GIL? 相关话题22.1 介绍/动机什么是扩展 一般来说，所有能被整合或导入到其它python 脚本的代码，都可以被称为扩展。您可以用纯Python 来写扩展，也可以用C 和C++之类的编译型的语言来写扩展(或者也可以用Java 给Jython 写扩展，也可以用C
文章目录一.张量的定义二.张量的生成1.torch.tensor()函数(1).创建(2).属性(3).张量求梯度2.torch.Tensor()类(1).普通创建(2).随机生成张量三.张量的数据类型1.获取张量的默认数据类型2.修改张量的默认数据类型3.张量数据类型转换4.torch和numpy转换(1).numpy 转 torch(2).torch 转 numpy四.张量的操作1.改变形状
转载
2023-08-17 21:19:07
146阅读
开始走起
Tensors
Tensors 类似于NumPy的 ndarrays, 另外，它还可以在GPU上使用加速计算。
from future import print_function
import torch构建一个 5x3 矩阵, 未初始化:
x = torch.empty(5, 3)
print(x)构建一个随机初始化的矩阵:
x = torch.rand(5, 3)
print(
# Python扩张维度指南
在数据处理和机器学习的过程中，处理数据的维度是一个常见的需求。尤其是在准备数据时，有时我们需要将一维或二维数组扩展到更高的维度。本文旨在教你如何在Python中实现扩张维度，特别是通过使用`NumPy`库来完成这一过程。
## 流程概览
我们可以将整个过程分为几个简单的步骤，下面是一个流程表格，展示了解决问题的步骤。
| 步骤 | 描述
