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
# 如何在 PyTorch 中实现升维度
在深度学习中，升维是一项常见的操作，通常在处理图像或多维数组时需要使用。PyTorch 提供了一些简单的方法来实现升维。本文将为你介绍如何在 PyTorch 中升维的步骤、代码示例以及相关的状态图和流程图。
## 升维的流程
在学习如何升维之前，了解基本流程非常有帮助。我们可以将升维的过程分为以下几个步骤：
| 步骤 | 描述
1. 扩展Tensor维度相信刚接触Pytorch的宝宝们，会遇到这样一个问题，输入的数据维度和实验需要维度不一致，输入的可能是2维数据或3维数据，实验需要用到3维或4维数据，那么我们需要扩展这个维度。其实特别简单，只要对数据加一个扩展维度方法就可以了。1.1 torch.unsqueeze(self: Tensor, dim: _int) torch.unsqueeze(self:
转载
2023-06-14 20:44:07
238阅读
小白最近刚开始使用pytorch，经常需要在各个网站反复查询一些函数的区别。但是不同的博客说的有时候不一样，趁着实验室停电，小白写了这篇文章，方便自己食用，不定期更新。如有错误，欢迎大家热烈指正。第0章 敌动我也动，敌动我不动之前写背包问题的时候，对序列B做更改的时候，(B=A) 序列A也跟着改变大小。这是因为A和B都指针指向了同一个地址。下面详细介绍：c = [1,2]赋值的时候，python是
转载
2023-12-24 14:31:12
94阅读
# Python 升维度的实现指南
在数据科学与机器学习中，升维（或“扩展维度”）是一种常见的技术。升维可以将低维数据映射到高维空间，从而使得数据更容易分离或更容易应用某些算法。作为一名刚入行的小白，你可能会感到困惑，但没关系！本文将逐步引导你完成Python中的升维度操作。
## 流程概述
在实现升维度的过程中，我们可以按照如下步骤进行：
| 步骤 | 描述
# Python 中的升维度（维度扩展）详解
在数据科学和机器学习领域中，我们经常会遇到需要对数据进行升维的情况。升维可以使得数据更适合某些模型的训练，或者让数据更具表达能力。本文将教你如何在 Python 中实现升维的功能。
## 整体流程
在开始编写代码之前，我们需要了解实现升维的整体流程。以下是实现升维的步骤：
| 步骤 | 描述
原创
2024-09-12 03:55:57
64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
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
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
# 如何实现 Python 列表升维度
## 概述
在 Python 中，我们可以通过一些简单的操作实现列表的升维度。本文将介绍如何将一维列表升维为二维列表，以及相关的操作步骤和代码示例。
## 步骤
| 步骤 | 操作 |
| ----- | ----- |
| 1 | 创建一个一维列表 |
| 2 | 将一维列表转换为二维列表 |
| 3 | 打印输出二维列表 |
## 详细步骤
#
原创
2024-05-08 04:43:05
37阅读
# Python数组升维度指南
在数据处理和机器学习中，数组的维度非常重要。为了实现某些算法或功能，可能需要对数组进行升维。本文将为你详细讲解如何在Python中实现数组升维，并提供清晰的步骤和代码示例。
## 1. 流程概述
首先，我们编制一个简单的流程图，帮助小白理解整个步骤。
```mermaid
sequenceDiagram
participant User
pa
原创
2024-10-24 03:31:53
74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
pytorch中对于矩阵要进行的操作很多，但是初学者可能并不很清楚矩阵的维度，以及当矩阵维度变大时候，怎么知道我们要操作的维度在哪里。1.学会观察中括号，了解你现在的输出数据到底是在几维空间。 tensor([[[0.1205, 0.1218],
[0.1326, 0.1112],
[0.1276, 0.1477],
[0.1228, 0.1
转载
2023-10-09 08:32:22
643阅读
维度变换1.view = reshape view变化的前提是保证整个tensor的size不变。 注：所做的合并必须有物理意义！2、Squeeze（减少维度）/unsqueeze（增加维度） Squeeze是将没有参数的位置挤压。3、expand / repeat expand ：只是改变理解方式，并没有增加数据，只有在必要的时候拷贝数据 repeat：增加了数据 expand：只有维度是1的才
转载
2023-10-26 23:58:31
413阅读
2-pytorch基础知识 文章目录2-pytorch基础知识2.1-张量2.1.1-什么是张量2.1.2-创建tensor2.2-自动求导2.2.1-PyTorch机制2.2.2-数学基础2.2.3-动态计算图2.2.4-自动求导.ipynb2.3-并行计算 2.1-张量2.1.1-什么是张量张量（Tensor）是一个定义在一些向量空间和一些对偶空间的笛卡尔积上的多重线性映射，其坐标是|n|维空
转载
2023-10-19 11:18:15
86阅读
pytorch学习torch的Tensor维度变换view和reshape功能一样-不变的是数据本身，变维度改变对数据的理解缩小/扩大维度，正的维度在索引之后插入，负的维度在索引之前插入例子：给每幅图一个偏置bias 右边扩两次，左边一次，从[32]得到[1 32 1 1 ]维度扩展：expend/repeat，expend在需要的时候复制数据，节约内存，推荐；repeat复了数据 expend扩
转载
2023-10-23 12:46:35
239阅读
一、张量（一）张量介绍张量(也可以叫做Tensors)是pytorch中数据存储和表示的一个基本数据结构和形式，它是一个多维数组，是标量、向量、矩阵的高维拓展。它相当于Numpy的多维数组(ndarrays),但是tensor可以应用到GPU上加快计算速度， 并且能够存储数据的梯度信息。
维度大于2的一般称为高维张量。以计算机的图像处理数据为例
3维张量，可以表示图像的：通道数×高
转载
2024-05-09 12:09:12
245阅读
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
1. 改变shapetorch.reshape()、torch.view()可以调整Tensor的shape，返回一个新shape的Tensor，torch.view()是老版本的实现，torch.reshape()是最新的实现，两者在功能上是一样的。示例代码：import torch
a = torch.rand(4, 1, 28, 28)
print(a.shape)
print(a.vie
转载
2023-12-25 13:27:54
157阅读
