一、tensor是啥：tensor是PyTorch中重要的数据结构，可认为是一个高维数组。Tensor和Numpy中的ndarrays类似，但Tensor可以使用GPU进行加速计算二、如何使用：1. 在创立一个tensor数据类型的对象前，先明确一个事情：用 torch.tensor 来建立 tensor 数据结构 和 用 torch.Tensor 来建立 tensor 数据结构 有什么区别：to
转载
2023-10-09 00:01:12
51阅读
PyTorch–Tensor几乎所有的深度学习框架背后的设计核心都是张量和计算图，PyTorch也不例外一.Tensor的简介Tensor，又名张量，可能对这个名词似曾相识，因它不仅在PyTorch中出现过，它也是Theano、TensorFlow、 Torch和MxNet中重要的数据结构。关于张量的本质不乏深度的剖析，但从工程角度来讲，可简单地认为它就是一个数组，且支持高效的科学计算。它可以是一
转载
2023-11-18 22:44:16
82阅读
前言PyTorch中的数据类型为Tensor，Tensor与Numpy中的ndarray类似，同样可以用于标量，向量，矩阵乃至更高维度上面的计算。PyTorch中的tensor又包括CPU上的数据类型和GPU上的数据类型，一般GPU上的Tensor是CPU上的Tensor加cuda()函数得到。通过使用Type函数可以查看变量类型。系统默认的torch.Tensor是torch.FloatTens
转载
2024-02-21 19:47:35
119阅读
目录python和Pytorch数据类型pytorch数据类型pytorch类型推断维度为0的标量标量判断维度为1的向量 Linear input维度为2的tensor Linear input batch维度为3的tensor RNN input维度为4的tensor CNN input其它的创建Tensor从numpy中引入 torch.from_numpy()从list中导入 torch.
转载
2023-10-11 20:24:58
190阅读
PyTorch教程-7：PyTorch中保存与加载tensor和模型详解保存和读取TensorPyTorch中的tensor可以保存成 .pt 或者 .pth 格式的文件，使用torch.save()方法保存张量，使用torch.load()来读取张量：x = torch.rand(4,5)
torch.save(x, "./myTensor.pt")
y = torch.load("./myT
转载
2023-11-02 06:46:31
318阅读
在深度学习中，损失函数是用来衡量模型参数质量的函数。说人话就是：真实值和预测值之间的差值分类任务中的损失函数这里重点说交叉熵损失①多分类任务多分类任务需要用激活函数softmax将输出转变成概率的形式，在多分类任务中，交叉熵损失函数的计算方法为： 为了熟悉理解这个公式，我们来看下面这个例子： 计算下面的交叉熵损失： 代入公式：L =-(0log0.1+1log0.7+0*log0.2)=-log0
转载
2024-06-25 04:18:52
51阅读
作者：曾芃壹 文章目录Tensor基本创建方法Tensor快速创建方法常用数学操作线性代数运算连接和切片变形CUDA加速自动微分基本原理向前传播反向传播非标量输出 TensorTensor,中文为张量，是pytorch中最基本的数据类型#导入torch包
import torch基本创建方法#torch.Tensor()传入参数构造矩阵
x=torch.Tensor(2,4)
print(x)
p
转载
2023-10-20 20:44:27
214阅读
深度学习初探/02-Pytorch知识/01-Tensor张量数据类型一、Tensor的基本概念1、python数据类型与PyTorch数据类型的对比 Tensor中，size表示维度，决定了该数据的数据类型（如int型变量3，其dimension = 0；若要表示二维数组，则dimension = 2）2、PyTorch中String类型的表示与处理PyTorch本身不支持string，如果要处
转载
2024-05-30 09:04:01
251阅读
1. 基本配置导入包和版本查询： import torch
import torch.nn as nn
import torchvision
print(torch.__version__)
print(torch.version.cuda)#cuda版本查询
print(torch.backends.cudnn.version())#cudnn版本查询
print(t
转载
2024-08-07 16:47:14
44阅读
Pytorch中的Tensor常用的类型转换函数（inplace操作）train/eval过程中，打印loss信息data.item() ----> Tensor --> float数据类型转换在Tensor后加 .long(), .int(), .float(), .double()等即可，也可以用.to()函数进行转换。数据存储位置转换CPU张量 ----> GPU张量，使用data.cuda()GPU张量 ----> CPU张量，使用data.cp
转载
2021-06-18 14:08:30
7344阅读
Pytorch中的Tensor常用的类型转换函数（inplace操作）train/eval过程中
转载
2022-01-25 10:09:51
320阅读
【代码】pytorch 修改tensor数据类型。
原创
2023-07-28 14:04:01
445阅读
【Pytorch学习笔记】Day01 - Pytorch的基本操作 文章目录【Pytorch学习笔记】Day01 - Pytorch的基本操作一、创建Tensor二、数据操作2.1 算术操作2.2 索引2.3 改变形状2.4 Tensor、NumPy 和 标量 的 互通2.5 线性代数相关函数三、Tensor的广播机制四、运算的内存开销五、Tensor在CPU和GPU之间相互移动 一、创建Tens
转载
2023-09-03 18:11:20
186阅读
本文参考了官方文档及各个大佬的博客在神经网络模型中需要对参数求导更新，pytorch中Autograd包为张量上的所有操作提供了自动求导机制。它是一个在运行时定义(define-by-run）的框架，这意味着反向传播是根据代码如何运行来决定的，并且每次迭代可以是不同的。本文涉及： Tensor属性：.gr
转载
2023-11-25 17:40:43
147阅读
模型的保存和加载都在系列化的模块下先看保存的更详细的可以参考这里https://pytorch.org/docs/stable/notes/serialization.html#preserve-storage-sharing torch.save()并torch.load()让您轻松保存和加载张量：最简单的就是t = torch.tensor([1., 2.])
torch.save(t, 't
转载
2023-10-11 06:23:50
2418阅读
PyTorch教程【五】TensorBoard的使用
一、安装TensorBoard1、进入Anaconda Prompt，激活环境conda activate pytorch(或直接在PyCharm中打开Terminal终端)2、输入命令pip install tensorboard3、安装成功二、代码示例from torch.utils.tensor
转载
2023-07-24 18:21:35
151阅读
上一篇博客讲述了如何根据自己的实际需要在pytorch中创建tensor，这一篇主要来探讨关于tensor的基本数据变换，是pytorch处理数据的基本方法。 文章目录1 tensor数据查看与提取2 tensor数据变换2.1 重置tensor形状:pytorch.view()2.2 增加/减少tensor维度:torch.unsqueeze()/torch.squeeze()2.3 tenso
转载
2023-08-26 16:01:49
107阅读
在文章PyTorch-Tutorials【pytorch官方教程中英文详解】- 1 Quickstart中是快速介绍版本。接下来具体看看pytorch中的重要概念：Tensor（张量）。官网链接：Tensors — PyTorch Tutorials 1.10.1+cu102 documentationTensors are a specialized data structure that ar
转载
2023-11-01 20:59:42
126阅读
pytorch作为一款经典的深度学习工具，几乎统治了科研/学生党在深度学习工具领域的全部江山。 从本篇博客开始，我将会陆续更新一些关于pytorch的基础用法和实战操作。 文章目录1 Tensor简介2 使用特定数据创建Tensor2.1 使用numpy格式的数据创建2.2 直接输入数据创建2.3 元素值相同矩阵的创建2.4 连续数据range的创建2.5 特殊矩阵的创建3 使用随机数据创建Ten
转载
2023-10-06 15:56:54
103阅读
测试环境版本: torch1.7.1 + CPU python 3.6Tensor是pytorch中的“张量”，可以看作是类似numpy的矩阵 本文介绍如何创建与调整Tensor参考书目: 《深度学习框架pytorch: 入门与实践》陈云著首先引用torch:import torch as t1、创建tensor1）使用Tensor函数创建tensor# 1 指定形状
a = t.Tensor(2
转载
2023-12-13 02:29:42
135阅读
