由于tensorflow的官网是需要科学上网才能访问的，所以建议先看中文的学习网站http://www.tensorfly.cn，这里面对官网的学习指导的中文版，学起来蛮好的。下面是对Tensorflow基础知识进行一下汇总1：Tensor 张量张量是Tensorflow管理数据的形式，在Tensorflow中所有的数据都通过张量的形式来表示，在Python中张量Tensor是Numpy格式的多维
转载
2024-06-15 17:36:40
40阅读
作者?️♂️：让机器理解语言か专栏?：PyTorch描述?：PyTorch 是一个基于 Torch 的 Python 开源机器学习库。寄语?：?没有白走的路，每一步都算数！? 张量（Tensor）介绍 PyTorch 中的所有操作都是在张量的基础上进行的，本实验主要讲解了张量定义和相关张量操作以
转载
2024-03-11 20:50:12
106阅读
PyTorch是什么?这是一个基于Python的科学计算包，其旨在服务两类场合：替代numpy发挥GPU潜能一个提供了高度灵活性和效率的深度学习实验性平台pytorch下的张量类似于numpy下的数组，并且张量也可用于在GPU上对程序进行加速Tensor的定义：torch.tensor(data, dtype=None, device=None, requires_grad=False)1、Ten
参考本章代码：https://github.com/zhangxiann/PyTorch_Practice/blob/master/lesson1/linear_regression.py1.3 张量操作与线性回归张量的操作拼接torch.cat()
torch.cat(tensors, dim=0, out=None)功能：将张量按照 dim 维度进行拼接tensors: 张量序列dim: 要拼
转载
2024-07-20 07:44:09
32阅读
张量的拼接torch.cat(tensors, dim=0, out=None)功能：将张量按维度dim进行拼接 ·tensors：张量序列 ·dim：要拼接的维度import torch
t = torch.ones((2,3))
t_0 = torch.cat([t,t], dim=0)
t_1 = torch.cat([t,t], dim=1)
print('t_0:{} shape:{}\
转载
2023-10-16 17:20:17
185阅读
目录张量张量的结构张量的创建张量的操作数学运算逻辑运算形状操作索引和切片张量的维度变换常见的数据类型存储附录PyTorch官方API中文文档张量在PyTorch中，张量（Tensor）是一种常见的数据类型，它是一个多维数组。与Python中的列表或NumPy中的数组不同，张量可以在GPU上运行，这使得它们在深度学习中非常有用。本文将介绍张量的结构和用法，以及如何在PyTorch中使用它们。张量的结
转载
2023-08-25 23:56:27
50阅读
# PyTorch中张量的长度获取
在深度学习和机器学习中，张量是一个重要的数据结构。PyTorch是一个广泛使用的深度学习框架，提供了对张量的多种操作。在PyTorch中，我们经常需要获取张量的长度，以便理解数据的形状和结构，以及在训练模型时进行数据处理。本文将详细介绍如何在PyTorch中获取张量的长度，伴随代码示例，并使用状态图和Markdown语法进行说明。
## 张量的基本概念
张
前言PyTorch 于 2016 年首次推出。在 PyTorch 之前，深度学习框架通常专注于速度或可用性，但不能同时关注两者。PyTorch将这两者相结合，提供了一种命令式和 Python编程风格，支持将代码作为模型，使调试变得容易，支持 GPU 等硬件加速器。PyTorch 是一个 Python 库，它通过自动微分和 GPU 加速执行动态张量计算。它的大部分核心都是用 C++ 编写的，这也是
转载
2023-09-27 22:27:49
298阅读
张量对象张量（Tensor）是一种特殊结构，出于并行计算的需要设计，可在GPU等硬件加速器上运行。类似于数组和矩阵，用于对模型的输入输出，模型参数进行编码。 Pytorch中的Tensor类似于Numpy中的ndarray，二者可相互转换，且共享底层内存，可理解为同一数据引用的不同表现形式。修改其中之一会同时修改另一方。张量初始化可由现有数据对象创建张量，或根据维度创建：data = [[1, 2
转载
2023-08-21 09:16:40
162阅读
PyTorch框架学习（二） — 张量操作与线性回归1 张量的操作1.1 拼接1.2 切分1.3 索引1.4 变换2 张量的数学运算2.1 加法运算2.2 减法运算2.3 哈达玛积运算(element wise，对应元素相乘)2.4 除法运算2.5 特殊运算 torch.addcdiv2.6 特殊运算 torch.addcmul2.7 幂函数2.7 指数函数2.8 对数函数2.9 三角函数2.1
转载
2023-09-14 22:03:42
157阅读
Pytorch简介Pytorch是一个基于Python的深度学习框架，可以代替Numpy在GPU上进行科学计算。什么是TensorTensor即张量，类似于Numpy的ndarrays，tensor可以在GPU上使用以加速计算。Pytorch创建张量的常用方法创建一个未初始化的张量，其值不确定：# 初始化值不确定，由所分配内存的当前值决定
x = torch.empty(5, 3)
print(x
转载
2023-09-21 06:25:21
396阅读
Pytorch 零基础学习系列 之 创建张量在深度学习中，神经网路结构是基础；在Pytorch中，张量是构建神经网络的基础 。从本质上讲，Pytorch就是一个处理张量的库。一个张量可以是一个数字、向量、矩阵或者任何n维数组。比较重要的一点是张量可以在GPU上进行计算。例如，下图分别展示了1维张量，2维张量和3维张量：如何创建一般张量？方法一(1) 导入 pytorch 和 numpyimport
转载
2023-08-30 10:36:22
164阅读
一、张量tensor张量的三个特征：秩、轴、形状张量的秩是指索引的个数，轴是指每一个维度的最大的索引的值，张量的形状提供了维度和索引的数量关系。经常需要对张量进行重塑t.reshape(1,9)利用上述函数可以将张量按任意想要的形状进行重塑下面我们考虑具体的情况，将张量带入CNN的输入中这里的张量的秩为4，即[B,C,H,W]，其中后两个维度作为每一个像素的长和宽的索引，第三个维度作为RBG或者灰
转载
2023-10-26 11:26:48
108阅读
张量操作一、张量的拼接与切分1.1 torch.cat()功能：将张量按维度dim进行拼接tensors：张量序列dim：要拼接的维度1.2 torch.stack()功能：在新创建的维度的上进行拼接tensors：张量序列dim：要拼接的维度（如果dim为新的维度，则新增一个维度进行拼接，新维度只能高一维） &nbs
转载
2023-07-28 19:31:33
205阅读
一般一维数组，我们称之为向量（vector）,二维数组，我们称之为矩阵（matrix）;三维数组以及多位数组，我们称之为张量（tensor）。
在介绍张量分解前，我们先看看矩阵分解相关知识概念。 一、基本概念矩阵补全（Matrix Completion）目的是为了估计矩阵中缺失的部分（不可观察的部分），可以看做是用矩阵X近似矩阵M，然后用X中的元素作为矩阵M中不
转载
2024-01-23 17:02:49
358阅读
# 使用 PyTorch 计算两个布尔张量的交集
在机器学习和深度学习中，布尔张量的操作是一项常见的任务。在这篇文章中，我们将学习如何使用 PyTorch 来求取两个布尔张量的交集。接下来的内容将通过简单易懂的步骤引导你完成这个过程。
## 流程概述
下面是整个操作流程的概览：
| 步骤 | 描述 | 输出
# PyTorch 张量第一列求方差
PyTorch 是一个开源的深度学习框架，提供了丰富的张量操作方法，方便用户进行数据处理和模型训练。在实际应用中，我们经常需要对张量进行一些统计分析，比如求方差。本文将介绍如何使用 PyTorch 对张量的第一列进行方差计算。
## 张量的概念
在 PyTorch 中，张量是一个多维数组，类似于 NumPy 中的数组。张量可以是标量、向量、矩阵或更高维的
原创
2024-06-24 04:37:01
83阅读
# 使用 PyTorch 求张量中大于0的值
在机器学习和深度学习中，张量（tensor）是数据处理的基本单位。使用 PyTorch 进行张量操作是一个常见的任务，尤其是在处理神经网络时。今天我们将学习如何求一个张量中大于0的值。整个流程分为几个步骤，如下表所示：
| 步骤 | 描述 |
|---------
# 使用 PyTorch 求两个张量的交集
在深度学习和数据处理的过程中，我们常常需要处理不同的张量（tensor），在某些情况下，我们可能需要求出这些张量之间的交集。对于刚入行的小白来说，可能不太清楚从何入手。本文将带领您逐步了解如何在 PyTorch 中实现两个张量的交集。
## 流程概述
首先，我们将流程细分为几个步骤，并以表格的形式展示出来，以便于理解：
| 步骤 | 描述
原创
2024-09-14 07:02:38
120阅读
PyTorch是一个基于Python的科学计算库，它主要针对两类人群：NumPy的替代品，可以利用GPU的性能进行计算；深度学习研究人员，提供了最大的灵活性和速度，以深度学习为核心。在PyTorch中，张量（Tensor）是最基本的数据结构之一，可以看作是一个多维数组。张量与NumPy中的数组非常类似，但是张量可以在GPU上运行，这使得它们比NumPy数组更快。下面是一些关于张量的基本使用方法：创
原创
2023-05-05 20:08:35
105阅读
