2.1、TensorBoard介绍TensorBoard 是一组用于数据可视化的工具，能够：可视化模型的网络架构，跟踪模型指标，如损失和准确性等，检查机器学习工作流程中权重、偏差和其他组件的直方图，显示非表格数据，包括图像、文本和音频，将高维嵌入投影到低维空间。最直接的就是展示运行完TransForm方法后的图像。2.2、导入模块from torch.utils.tensorboard impor
文章目录一、Tensor类型二、tensor的逐元素操作三、Tensor的归并操作四、比较函数五、线性代数 一、Tensor类型tensor有不同的数据类型，每种类型分别对应有CPU版本GPU(除了halfensor，它只有GPU版本)，默认的tensor是FloatTensor，可通过torch.set_default_tensor_type修改默认tensor类型（如果默认是GPU版本，所有
转载
2023-11-19 10:45:10
81阅读
加法运算1. 加号运算符 同型时，效果等同于点加import torch
a = torch.Tensor([1,2])
b = torch.Tensor([3,4])
c=a+b
print(c)
#tensor([4,6])
a = torch.Tensor([[1,2],[3,4]])
b = torch.Tensor([[5,6],[7,8]])
c=a+b
print
转载
2024-05-04 21:30:13
269阅读
# 项目方案：PyTorch如何查看tensor的全部数值
## 1. 问题背景
在PyTorch中，我们经常需要查看tensor的全部数值，以便进行调试、分析和可视化。然而，当tensor的维度较大时，直接打印出来可能会导致信息过于冗杂，不方便观察。
## 2. 解决方案
为了解决这个问题，我们可以编写一个函数，用于将tensor的全部数值以良好的格式输出。我们可以将tensor转换为num
原创
2024-03-28 04:24:05
990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
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
【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
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
ensor的索引、切片和拼接一、相关命令命令1：拼接-torch.cat()格式： torch.cat(tensors, dim=0, out=None) → Tensor解释：在指定维度上拼接两个tensor>>> x = torch.randn(2, 3)
>>> x
tensor([[ 0.6580, -1.0969, -0.4614],
转载
2023-12-07 13:12:35
176阅读
创建Tensor的多种方法从numpy创建import torch
import numpy as np
a = np.array([2, 3.3])
a = torch.from_numpy(a) # torch.DoubleTensor从list创建a = torch.FloatTensor([2, 3.3]) # 尽量少用这种方式,容易和给shape的情况看混淆
b = torch.t
转载
2023-08-24 17:08:55
277阅读
张量维度操作（拼接、维度扩展、压缩、转置、重复……）note: torch.fun(tensor1)和tensor1.fun()都只会返回改变后的tensor，但是tensor本身的维度和数据都不会变。包括unsqueeze、expand等等。张量切片选择TORCH.INDEX_SELECTtorch.index_select(input, dim, index, *, out=None)示例&g
转载
2024-08-22 22:25:09
62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
119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
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
Tensor attributes:在tensor attributes中有三个类，分别为torch.dtype, torch.device, 和 torch.layout其中， torch.dtype 是展示 torch.Tensor 数据类型的类，pytorch 有八个不同的数据类型,下表是完整的 dtype 列表. Torch.device 是表现 torch.Tensor被分配的
转载
2023-11-09 10:02:15
271阅读
输入输出设置禁用科学计数法torch.set_printoptions(precision=4, sci_mode=False)Tensor 和 Variabletorch新版本中合并了Tensor 和 Variable，Variable 仍然像以前一样工作，只不过返回的是 Tensor 。这意味着我们使用的时候只需要声明Tensor 就好了，更详细的，torch.tensor可以像旧的Varia
转载
2023-11-01 20:25:28
216阅读
Pytorch 构造稀疏 Tensortorch.sparse_coo_tensor(indices, values,
size=None, *,
dtype=None,
device=None,
requires_grad=False)Constructs a sparse tensor in COO(rdinate) fo
转载
2023-06-15 19:48:25
173阅读
1、常用的api（1）View/reshape 可以将一个shape转变成任意一个shape（2）Squeeze/unsqueeze 挤压与增加维度（3）Transpose/t/permute （矩阵的传置） 单次的交换操作和多次的交换操作（4）Expand/repeat 维度的扩展 我们可以把维度小的变成高维度的2、view 和reshape这两个基本是一摸一样的，区别在于pytorch0.3中
转载
2023-10-11 08:39:26
196阅读
