一、TensorTensor是Pytorch中重要的数据结构，可以认为是一个高维数组。Tensor可以是一个标量、一维数组（向量）、二维数组（矩阵）或者高维数组等。Tensor和numpy的ndarrays相似。import torch as t构建矩阵：x = t.Tensor(m, n)注意这种情况下只分配了空间，并没有初始化。使用[0,1]均匀分布随机初始化矩阵：x = t.rand(m,
转载
2024-05-20 23:52:28
19阅读
1维张量内积-torch.dot()内积返回的是一个值，如果都归一化了，可以看做相似度。torch.dot(input, tensor) → Tensor
#计算两个张量的点积（内积）
#官方提示：不能进行广播（broadcast）.
#example
>>> torch.dot(torch.tensor([2, 3]), torch.tensor([2, 1])) #即对应位置
转载
2023-09-02 13:59:17
380阅读
向量点乘：又叫做点积、内积、数量积、标量积，向量a[a1,a2,...,an]和向量b[b1,b2b...,bn]点乘的结果是一个标量，记作a.b； 得到一个值。叉乘：又叫向量积、外积、叉积，叉乘，向量a[x1,y1,z1]和向量b[x2,y2,z2]叉乘的运算结果是一个向量，并且两个向量的叉积与这两个向量组成的坐标平面垂直，记作axb；得到一个向量。
转载
2023-08-08 08:59:57
242阅读
理论:向量:一行乘以一列: 内积: 结果一个数一列乘以一行: 外积: 结果一个矩阵 矩阵:点乘: *, mul: 对应元素相乘叉乘: dot, matmul: 矩阵乘法 (而矩阵乘法又可以理解为向量内积, 外积的结合体)传统的矩阵乘法可以看成: 行向量组成一列, 列向量组成一行 关于广播机制的补充说明:广播机制是用在对应元素的: 加, 减,
转载
2023-09-23 09:56:02
142阅读
文章目录张量的线性代数运算1. BLAS和LAPACK的概览2. 矩阵的形变及特殊矩阵构造方法3. 矩阵的基本运算4. 矩阵的线性代数运算矩阵的迹矩阵的秩矩阵的行列式(det)5. 线性方程组的矩阵表达形式inverse函数: 求解逆矩阵6. 矩阵的分解特征分解torch.eig函数: 特征分解奇异值分解(SVD)svd奇异值分解函数 张量的线性代数运算也就是BLAS(Basic Linear
转载
2023-11-13 14:14:40
482阅读
1 矩阵的形变及特殊矩阵的构造方法 矩阵的形变其实就是二维张量的形变方法，在此基础上本节将补充转置的基本方法。实际线性代数运算过程中，一些特殊矩阵，如单位矩阵、对角矩阵等相关创建方法如下： &nb
转载
2024-04-17 20:11:47
40阅读
PyTorch入门实战教程笔记（八）：基础张量操作4包含：数学运算，统计属性数学运算：Add/minus/multiply/divide:加减乘除基本运算（数学运算）Matmul：Tensor的矩阵式相乘（矩阵形式）Pow：矩阵的次方sqrt/rsqrt：矩阵的次方根Round：矩阵近似运算Add/minus/multiply/divide: 基本运算： 加减乘除可以用＋－* /，也可以用ad
转载
2024-01-25 20:03:40
76阅读
我们一天会遇到很多次推荐——当我们决定在Netflix/Youtube上看什么，购物网站上的商品推荐，Spotify上的歌曲推荐，Instagram上的朋友推荐，LinkedIn上的工作推荐……列表还在继续!推荐系统的目的是预测用户对某一商品的“评价”或“偏好”。这些评级用于确定用户可能喜欢什么，并提出明智的建议。推荐系统主要有两种类型:基于内容的系统:这些系统试图根据项目的内容(类型、颜色等)和
转载
2023-08-23 17:49:47
110阅读
第25章 Pytorch 如何高效使用GPU 深度学习涉及很多向量或多矩阵运算，如矩阵相乘、矩阵相加、矩阵-向量乘法等。深层模型的算法，如BP，Auto-Encoder，CNN等，都可以写成矩阵运算的形式，无须写成循环运算。然而，在单核CPU上执行时，矩阵运算会被展开成循环的形式，本质上还是串行执行。GPU（Graphic Process Units，图形处理器）的众核体系结构包含几千个流处理器
转载
2024-01-17 14:45:37
32阅读
文章目录前言一、Pytorch张量与数据类型1.生成随机矩阵2.查看随机矩阵规模3.Tensor（张量）基本数据类型及其转换二、张量运算与形状变换1.Tensor（张量）计算原则2.Tensor（张量）形状变换三、张量微分运算1.张量的自动微分2. 设置Tensor不可跟踪计算（测试集常用）3.就地改变Tensor（张量）变量的requires_grad值 前言Pytorch最基本的操作对象是T
转载
2023-10-06 00:15:05
414阅读
稀疏编码 首先介绍一下“稀疏编码”这一概念。 早期学者在黑白风景照片中可以提取到许多16*16像素的图像碎片。而这些图像碎片几乎都可由64种正交的边组合得到。而且组合出一张碎片所需的边的数目很少，即稀疏的。同时在音频中大多数声音也可由几种基本结构组合得到。这其实就是特征的稀疏表达。即使用少量的基本特征来组合更加高层抽象的特征。在神经网络中即体现出前一层是未加工的像素，而后一层就是对这些像素的非线性
转载
2024-01-20 22:17:55
50阅读
混淆矩阵（confusion matrix）1. 混淆矩阵介绍2. 代码实现2.1 数据集2.2 代码：混淆矩阵类2.3 在验证集上计算相关指标2.4 结果 1. 混淆矩阵介绍2. 代码实现2.1 数据集此数据集用于多分类任务（检测番茄叶片病虫害）。这里测试的数据集一共1250张图，1000张用于训练，250张用于验证，共分为5个类别。数据集结构如下： 数据集部分图片展示：2.2 代码：混淆矩阵
转载
2023-08-21 09:56:40
492阅读
作者：Rahul Agarwal导读只需要添加几行代码，就可以得到更快速，更省显存的PyTorch模型。 你知道吗，在1986年Geoffrey Hinton就在Nature论文中给出了反向传播算法？此外，卷积网络最早是由Yann le cun在1998年提出的，用于数字分类，他使用了一个卷积层。但是直到2012年晚些时候，Alexnet才通过使用多个卷积层来实现最先进的imagene
转载
2024-06-21 22:19:33
16阅读
矩阵的点积就是矩阵各个对应元素相乘, 这个时候要求两个矩阵必须同样大小矩阵的乘法就是矩阵a的第一行乘以矩阵b的第一列，各个元素对应相乘然后求和作为第一元素的值。矩阵只有当左边矩阵的列数等于右边矩阵的行数时,它们才可以相乘,乘积矩阵的行数等于左边矩阵的行数,乘积矩阵的列数等于右边矩阵的列数卷积把模板（n*n）放在矩阵上（中心对准要处理的元素），用模板的每个元素去乘矩阵中的的元素，累加和等
转载
2023-10-09 14:50:39
364阅读
cat矩阵拼接操作，将符合要求的不同矩阵在某一维度上进行拼接。cat要求进行拼接的矩阵在非拼接维度上完全相同。import torch
a1 = torch.rand(4, 3, 32, 32)
a2 = torch.rand(5, 3, 32, 32)
a3 = torch.rand(4, 1, 32, 32)
a4 = torch.rand(4, 3, 16, 32)
# 要求其他维度必须
转载
2023-09-04 15:01:15
119阅读
关于训练，测试时候，类别选择问题，首先是网络进入softmax之前的特征类别数目：#Define model
model = DeepLab(num_classes=self.nclass,
backbone=args.backbone,
output_stride=args.out_stride,
s
转载
2024-05-23 16:26:29
221阅读
混淆矩阵是评估模型结果的一种指标 用来判断分类模型的好坏 预测对了 为对角线 还可以通过矩阵的上下角发现哪些容易出错从这个 矩阵出发 可以得到 acc ！= precision recall 特异度？ acc 是对所有类别来说的其他三个都是 对于类别来说的下面给出源码 import json
import os
转载
2023-07-28 15:41:12
542阅读
2.1 张量2.2.1 简介 几何代数中定义的张量是基于向量和矩阵的推广。比如我们可以将标量视为零阶张量，矢量可以视为一阶张量，矩阵就是二阶张量。 张量维度 代表含义0维标量（数字）1维向量2维矩阵3维时序数据、文本数据、单张彩色图片（RGB)4维图像5维视频 张量的核心是数据容易，包含数字等数据，可想象成是数字的水桶。 例子：一个图像可以用三个字段表示：（width, heigh
转载
2024-04-02 11:03:13
302阅读
导语：这是一篇关于Pytorch中各类乘法操作的总结和使用说明。torch.dot()：Computes the dot product (inner product) of two tensors.计算两个1-D 张量的点乘(内乘)。 torch.dot(torch.tensor([2, 3]), torch.tensor([2, 1])) out: tensor(7)torch.mm() ,
Pytorch 基本元素的操作创建一个矩阵的操作import torch
x = torch.empty(5,3)
if __name__ == '__main__':
print(x)创建一个有初始化的矩阵： y = torch.rand(2,4)
y_1 = torch.randn(2,4)
if __name__ == '__main__':
prin
转载
2023-11-12 08:17:25
280阅读
