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
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
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
PyTorch中的两个张量的乘法可以分为两种：两个张量对应的元素相乘（element-wise），在PyTorch中可以通过torch.mul函数（或者运算符）实现两个张量矩阵相乘（Matrix product），在PyTorch中可以通过torch.matmul函数实现本文主要介绍两个张量的矩阵相乘。语法为：torch.matmul(input, other, out = None)函数对inp
转载
2023-10-01 11:29:48
312阅读
文章目录TensorFlow中的数据类型一、数值类型用TensorFlow创建张量字符串类型bool类型张量切片（Tensor slicing）现实中的数据张量张量的运算目标(损失)函数Keras对标签向量化机器学习的分类神经网络的数据预处理编码Embedding层如何利用keras的延展性几种激活函数的比较PS： TensorFlow中的数据类型一、数值类型1、标量（scalar）单个的实数，
转载
2024-06-11 21:25:59
47阅读
pytorch基本数据类型——张量（Tensor），那张量到底是什么呢？张量类似于Numpy中的ndarray，我们都知道深度学习的基础是神经网络结构，而在Pytorch中，张量是构建神经网络的基础。比较重要的一点是张量可以在GPU上进行计算。所以从本质上来说，PyTorch 是一个处理张量的库。一个张量是一个数字、向量、矩阵或任何 n 维数组。下面分别展示了1维张量，2维张量和3维张量：接下来我
转载
2023-09-03 20:47:34
88阅读
一、张量的拼接张量的拼接主要通过cat()和stack()函数实现。其中torch.cat([a, b], dim=n)是在n维度上进行两个张量的拼接，其参数n的含义代表要进行拼接操作的维度，a和b则代表要拼接的张量。在使用cat()方法时需要注意的是两个张量除了拼接的维度可以不同，其他的维度必须相同，否则会报错。示例如下： Statistics about scores a [class1-3,
转载
2023-08-21 15:18:11
199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
# 使用 PyTorch 计算张量的马氏距离
## 简介
马氏距离是一种复杂的距离度量，用于比较两个样本之间的距离，考虑它们之间的协方差结构。它在多元统计分析和机器学习中十分重要。本文将指导你如何在 PyTorch 中计算马氏距离。
## 计算流程
在开始之前，我们先概述一下实现的主要步骤：
| 步骤 | 描述 |
|------|------|
| 1. 测试环境准备 | 确保已安装
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
拼接张量：torch.cat() 、torch.stack()torch.cat(inputs, dimension=0) → Tensor在给定维度上对输入的张量序列 seq 进行连接操作举个例子：>>> import torch
>>> x = torch.randn(2, 3)
>>> x
tensor([[-0.1997, -0.690
转载
2024-04-10 08:46:06
155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
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
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
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
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
### 实现“pytorch 计算两个张量之间的距离”
欢迎来到本篇文章，我将带你逐步学习如何使用PyTorch计算两个张量之间的距离。在本篇文章中，我们将共同完成以下任务：
1. 了解计算张量距离的背景知识
2. 学习使用PyTorch计算两个张量之间的欧氏距离
3. 学习使用PyTorch计算两个张量之间的余弦相似度
希望这篇文章能够帮助你快速入门计算张量距离的方法。
### 1. 计
原创
2023-11-30 13:47:15
812阅读
