文章目录1 数据与说明数据下载任务说明2 代码模型训练画图预测 1 数据与说明数据下载数据下载链接：点击下载 数据是一个data.zip压缩包，解压后的目录树如下所示：D:.
│ eng-fra.txt
│
└─names
Arabic.txt
Chinese.txt
Czech.txt
Dutch.txt
E
转载
2023-11-11 06:06:30
83阅读
简介： 在现实生活中，除了分类问题外，也存在很多需要预测出具体值的回归问题，例如年龄预测、房价预测、股价预测等。相比分类问题而言，回归问题输出类型为一个连续值，如下表所示为两者的区别。在本文中，将完成房价预测这一回归问题。■ 分类问题与回归问题区别对于一个回归问题，从简单到复杂，可以采取的模型有多层感知机、SVR、回归森林算法等，下面将介绍如何使用这些算法完成这一任务。01、使用MLP实现房价预测
第12个方法torch.tensor(data, *, dtype=None, device=None, requires_grad=False, pin_memory=False)此方法用于创建pytorch中的tensor创建，此方法使用data构建并返回一个tensor。使用方法如下：import torch
a = torch.tensor([2, 3, 5])此时a就是一个具有值[2,
转载
2023-10-14 08:37:27
627阅读
在使用 PyTorch 进行深度学习的过程中，我常常需要对 Tensor 进行管理，特别是当我释放一个 Tensor 的时候。Tensor 是 PyTorch 的核心数据结构之一，理解如何正确地释放 Tensor 可以帮助我优化内存使用并避免不必要的内存消耗。
## 协议背景
在深度学习中，Tensor 是存储数据的主要载体。PyTorch 提供了一系列 API 来管理内存和进行垃圾回收，以确
python与pytorch中需要注意的点python对象的复制pytorch结果复现pytorch断点续训 python对象的复制 python中有一个专门用于复制的包copy, 这个包的出现其实就暗示了我们平时使用等式来复制对象有可能是不对的，且根据python中可变数据类型与不可变数据类型的差异，推知不同的数据类型复制方式不同。 python可变数据类型有list, dict, se
以下小结为本人结合实验后得出的结论，如有错误或补充欢迎指正交流。（持续更新）tensor.expand()这个方法可以扩张维度，返回当前张量在某维扩展更大后的张量，但是被扩张的维度里的元素只能唯一。tensor.squeeze()将维度压缩到最紧凑的状态 至于为啥要压缩，也不是很清楚tensor.view()将矩阵变成想要的形状参数为该维度中元素个数，如图dim=0的元素个数为3，dim=1的元素
转载
2023-11-24 20:05:44
268阅读
目录 术语概念contiguous65535LL数组取值Half数据类型blobCTCLoss谱归一化ONNXQuantizationdynamic dispatchTensor的dispatchSize, storage offset, strideProtocol BufferMessageSpecifying Field TypesAssigning Field NumbersSp
转载
2023-11-06 19:36:36
131阅读
记录一下PyTorch的一些奇奇怪怪的方法和函数Dataset&DataLoaderclass MyDataSet(Dataset):
def __init__(self,sava_path):
def __len__(self):
return 0
def __getitem__(self,idx):
return 0
1、基础运算可以使用 + - * / 推荐也可以使用 torch.add, mul, sub, div （1）加法运算def add():
# add +
# 这两个Tensor加减乘除会对b自动进行Broadcasting
a = torch.rand(3,4)
b = torch.rand(4)
print("a = {}".format(a)
转载
2023-12-01 10:47:18
189阅读
列举创建tensor的几种方法，以及注意事项
原创
2022-01-25 15:54:37
155阅读
# 使用PyTorch去除Tensor的维度：深入探讨
在机器学习和深度学习的世界中，张量（Tensor）是数据的基本结构。使用PyTorch时，我们经常需要对这些张量进行各种操作，其中之一就是去除不必要的维度。本文将为初学者提供一个清晰的流程和代码示例，帮助你理解如何在PyTorch中去除一个维度。
## 整体流程
去除PyTorch Tensor维度的过程可以分为几个简单的步骤，以下表格
原创
2024-09-24 05:43:07
491阅读
# PyTorch中Tensor的扩充操作
在深度学习中，Tensor是基础的数据结构。Tensor的扩充（或称为广播）是一个重要的操作，它允许我们在运算时自动扩展Tensor的维度，以便于进行有效的计算。本文将介绍如何在PyTorch中扩充Tensor，并给出具体的代码示例，帮助初学者更好地理解这一概念。
## 什么是Tensor的扩充？
在数学上，广义的广播指的是将较小的数组与较大的数组
# 使用 PyTorch 进行张量维度减少
在深度学习中，使用 PyTorch 进行张量操作是经常需要掌握的技能。作为一名刚入行的小白，理解如何减少张量的维度是非常重要的。本文将通过简单明了的步骤帮助你掌握这一过程。
## 流程概述
下面的表格展示了我们将要进行的整个流程：
| 步骤 | 说明 |
|------|---------
列举创建tensor的几种方法，以及注意事项
原创
2021-07-08 14:11:33
381阅读
深度之眼官方账号：01-02-张量简介与创建torch.tensor()b = torch.tensor(data,
dtype=None,
device=None,
requires_grad=False,
pin_memory=False)data：创建的tensor的数据来源，可以是list或numpy dtype：数据类型，默认与data一致
转载
2024-09-27 06:39:04
94阅读
1、Torch张量所有深度学习都是基于张量的计算，这些张量是可以在超过2个维度上索引的矩阵的概括。1.1、生成张量'''随机生成张量'''
#初始化5*3的张量
x=torch.empty(5,3)
print(x)
'''随机生成一个取值在[0,1]之间的张量'''
x=torch.randn(5,3)
#torch.randn()、torch.normal()、torch.linspace(
转载
2024-05-07 13:02:14
58阅读
Tensor和Numpy数组之间具有很高的相似性，彼此之间的互操作也非常简单高效。需要注意的是，Numpy和Tensor共享内存。由于Numpy历史悠久，支持丰富的操作，所以当遇到Tensor不支持的操作时，可先转成Numpy数组，处理后再转回tensor，其转换开销很小。示例代码：from __future__ import print_function
import torch as t
im
转载
2023-11-06 18:39:07
76阅读
note 文章目录note一、tensor的创建二、tensor的加减乘除三、torch.argmax()函数四、gathter函数小栗子1小栗子2：如果每行需要索引多个元素：四、针对某一维度的操作五、改变维度、拼接、堆叠等操作Reference 一、tensor的创建
torch.tensor会复制data，不想复制可以使用torch.Tensor.detach()。如果是获得numpy数组数据
转载
2023-10-04 08:56:58
443阅读
# 使用 PyTorch 对 Tensor 进行取整
在机器学习和深度学习的领域中，数据处理是一个非常重要的环节。有时我们需要对数据进行取整操作，比如在处理分类标签时，或者为了防止计算过程中产生的浮点误差影响到我们的结果。本文将教你如何使用 PyTorch 对 Tensor 进行取整操作。我们将通过一系列的步骤来完成这个任务。
## 基本流程
下面是整个操作的基本流程，以表格的形式展示：
原创
2024-09-17 06:12:22
160阅读
“ 基于libtorch的深度学习框架，其处理数据的主要基本单位是Tensor张量，我们可以把Tensor张量理解成矩阵，该矩阵的维度可以是1维、2维、3维，或更高维。”本文我们来总结一下Tensor张量的常用操作。01 打印张量的信息打印张量的维度信息要查看张量的维度信息，通常有两种方式：打印张量的sizes；或者直接调用张量类的print函数：torch::Tensor b = to
