在读dcgan代码的过程中看到了一个nn.upsample的函数，于是打开函数释义看了一下，发现了一个view(1,1,2,2)的用法，不知其意，所以简单做了个试验（学习进度就是这样被落下的……）释义中的代码为：>>> input = torch.arange(1, 5, dtype=torch.float32).view(1, 1, 2, 2)
>>> inp
转载
2024-04-08 14:34:43
58阅读
一、深度学习的概念如上所示，人工智能包含了机器学习和深度学习，其中深度学习是机器学习的一种特殊的学习方法，人工智能的核心是深度学习1、深度学习深度学习需要用到大量的神经网络构建和运算模块，故出现了很多的深度学习框架：Caffe、MxNet、PyTorch和TensorFlow等，这些框架极大的简化了深度学习网络的构建过程【深度学习本质上是一个前馈神经网络】深度学习的历史可以追溯到人工神经网络，人工
PyTorch 中对 tensor 的很多操作如 sum、softmax 等都可以设置 dim 参数用来指定操作在哪一维进行。PyTorch 中的 dim 类似于 numpy 中的 axis，这篇文章来总结一下 PyTorch 中的 dim 操作。首先看一下这个图，图中给出了维度标号，注意区分正负，从左往右数，括号代表的维度分别是 0 和 1 和 2，从右往
转载
2023-09-23 21:29:14
178阅读
在处理深度学习模型时，常常会遇到需要“删除某个维度”的情况。这在使用 PyTorch 进行张量操作时尤为常见。本文将详细记录解决“PyTorch 删除某个维度”问题的步骤和方法，确保读者能够掌握这一操作的具体实现与应用。
## 环境准备
在开始之前，我们需要确保环境的准备工作完成。如下所示的版本兼容性矩阵，展示了 PyTorch 和其依赖库所需的兼容性信息。
| 技术栈 | 版本
# PyTorch中的某个维度索引
在深度学习中，使用张量（Tensor）作为数据的主要形式非常普遍。PyTorch是一个流行的深度学习框架，它提供了灵活且高效的张量操作。本文将探讨如何在PyTorch中对某个维度进行索引，并通过代码示例详细说明。
## PyTorch张量基础
在深入某个维度索引之前，我们首先对PyTorch的张量有一个基本的了解。在PyTorch中，张量是一个多维数组，可
原创
2024-09-14 03:33:07
61阅读
# 如何在 PyTorch 中取出某个维度的数据
在深度学习的过程中，我们常常需要对数据进行处理，提取特定维度的信息。这里，我们将讨论如何使用 PyTorch 来取出某个维度的数据。对于刚入行的小白而言，了解完整的流程和每一步所用的代码是非常重要的。接下来，我们将通过一个简单的示例来说明这个过程。
## 流程概述
我们可以将整个流程分为以下几个步骤：
| 步骤 | 操作
原创
2024-10-06 05:21:38
337阅读
在使用PyTorch进行深度学习时，我遇到了一个特别的问题：如何在特定维度上对张量进行复制。这一难题不仅影响了我的代码效率，也让我开始深刻理解PyTorch的张量操作。在这篇博文中，我将详细记录解决“PyTorch在某个维度复制”问题的过程，希望能对同样面临这一困境的人有所帮助。
## 环境准备
为了有效地进行实验和验证，我首先搭建了一个兼容的开发环境。以下是我的技术栈兼容性矩阵，显示了所需的
# PyTorch 中改变某个维度大小的方法
在深度学习中，数据的形状（或称维度）是非常重要的一个方面。特别是在使用框架如 PyTorch 时，了解如何操作数据的维度能够帮助我们更好地构建和训练模型。本文将介绍如何在 PyTorch 中改变某个维度的大小，并通过一些代码示例进行演示。
## 基本概念
在 PyTorch 中，张量（Tensor）是基本的数据结构，用于存储数据。张量可以是任意维
1. 写在前面之前一直不太搞明白浅拷贝和赋值、深拷贝到底有什么区别，直到被pytorch的model.state_dict()给坑了今天在和实验室同学讨论联邦学习框架代码的时候，终于明白了他们之间的区别，这里做个记录。2. 先说结论（1）直接赋值：给变量取个别名，原来叫张三，现在我给他取个小名，叫小张b = a (b是a的别名)（2）浅拷贝(shadow copy)：拷贝最外层的数值和指针，不拷贝
转载
2023-11-16 19:15:38
452阅读
# PyTorch 中在某个维度增加复制的技巧
PyTorch 是一个强大的深度学习框架，广泛应用于计算机视觉、自然语言处理等领域。在处理张量时，可能会遇到需要在某个维度上增加数据复制的情况。这一操作在数据增强和特征维度扩展中尤为重要。本文将详细介绍如何在 PyTorch 中实现这种操作，并提供相应的代码示例。
## 1. 基础知识
在 PyTorch 中，张量（Tensor）是数据的基本结
原创
2024-09-15 03:59:02
325阅读
clone() 与 detach() 对比Torch 为了提高速度，向量或是矩阵的赋值是指向同一内存的，这不同于 Matlab。如果需要保存旧的tensor即需要开辟新的存储地址而不是引用，可以用 clone() 进行深拷贝， 首先我们来打印出来clone()操作后的数据类型定义变化：(1). 简单打印类型import torch
a = torch.tensor(1.0, requires_g
转载
2023-11-27 14:34:00
264阅读
Pytorch中的计算最终都可以归结为Tensor即张量的计算，所以有必要详细学习PyTorch中张量属性与运算梯度。1 张量 Tensor是PyTorch的基础计算单位，一个张量可以是一个数字、向量、矩阵或任
转载
2023-11-10 20:28:14
845阅读
解释pytorch的维度理解 PyTorch 中维度的概念 | 文艺数学君x = torch.tensor([
[1,2,3],
[4,5,6]
])
# 我们可以看到"行"是dim=0, "列"是dim=1
print(x.shape)
>> torch.Size([2, 3])于是, 我们会认为, torch.sum(x, dim=
转载
2023-10-01 09:14:42
119阅读
简介今天在使用torch中的topk的时候, 对于dim产生了一些疑问. 后面也是找到了规律, 但是还是很困惑他为什么是这么设计的, 即dim与tensor本身的行列是不一致的. 然后就查了一下, 真的找到了一篇很好的文章, 解决了我的困惑, 就想在这里记录一下.我这一篇文章里的所有的动图, 都是来自与下面这篇文章, 写的非常直观.原文链接(十分棒的文章), Understanding dime
转载
2023-08-25 22:05:33
170阅读
在使用 PyTorch 进行深度学习训练时，经常需要对输入的张量进行打乱处理以提高模型的泛化能力。这篇博文将详细探讨如何“pytorch打乱张量某个维度的数据”，并通过复盘记录这一过程，帮助大家更好地理解这一问题及其解决方案。
### 问题背景
在深度学习的训练过程中，样本的顺序会影响到模型的学习效率。若样本是按照顺序输入，模型可能会陷入局部最优解。为了解决这一问题，我们通常需要对输入数据进行
文章目录view()和reshape()transpose()和permute()contiguous 以后操作基于下述tensor。import torch
a=torch.rand(2,2,2)
print(a)view()和reshape()这两个功能很简单，就是把原来的tensor拍扁，变成8个数，然后按照你给定的形状恢复出来。问题， 怎么拍扁，就是把第二维里面数依次取出来，比如上面的就
转载
2024-03-03 10:53:25
53阅读
张量的维度和形变张量作为一组数的结构化表示，也同样拥有维度的概念。简便理解：向量就是一维的数组，而矩阵是二维的数组，以此类推，在张量中我们还可以定义更高维度的数组。张量的高维数组和numpy中高维array概念类似。记住：文章中提到的，t1为一维张量，t2为二维张量，t3为零维张量，t4为三维张量。1、创建一维、二维、零维、高维张量1.1 用简单序列创建一维张量#用一维列表序列创建一维张量
t1
转载
2024-05-09 16:05:07
128阅读
深度学习初探/02-Pytorch知识/04-Tensor维度变换一、重塑两者完全一致，reshape是pytorch为了保持与numpy的一致性而出现的缺陷：可能会破坏原有数据# 随机生成4幅MNIST数据集标准的手写数字图像
a = torch.rand(4, 1, 28, 28)
# 调用numpy的prod函数，打印a的实际大小（各个维度的乘积）
print(np.prod(a.size(
转载
2023-10-18 21:14:09
169阅读
1 contiguousTensor底层一维数组元素的存储顺序与Tensor按行优先一维展开的元素顺序是否一致。1.1 tensor的存储 Tensor多维数组底层实现是使用一块连续内存的1维数组，Tensor在元信息里保存了多维数组的形状。 &nb
转载
2023-11-06 20:41:25
127阅读
【学习笔记】【Pytorch】张量（Tensor）的基础操作一、创建张量1.使用数据创建张量2.无需数据的创建选项3.torch.Tensor与torch.tensor的区别4.PyTorch中张量的创建方法的选择二、张量的属性1.张量的 torch.dtype2.张量的 torch.device3.张量的 torch.layout三、张量的形状四、重构张量reshape函数中-1表示的意义五、
转载
2023-11-09 08:48:34
134阅读
