1.reshape重置形状 a = tf.random.normal([4,28,28,3]) print("a:",a.shape,a.ndim) # 失去图片的行和列信息，可以理解为每个像素点（pixel） b = tf.reshape(a,[4,28*28,3]) print("b:",b.s
原创
2023-04-01 03:37:22
441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
https://www.tensorflow.org/versions/r0.12/api_docs/python/array_ops/slicing_and_joining
转载
2022-07-16 00:15:57
58阅读
我在是在多线程中出现了这
原创
2022-08-11 10:25:56
116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
Tensor2Tensor手把手使用教程1. 模型介绍2. 一些前期操作2.1 安装依赖包2.2 创建相关文件夹3 数据准备3.1 自己造数据3.2 定义自己的问题3.3 生成数据4. 模型训练5. deocde 1. 模型介绍Tensor2Tensor是谷歌基于TensorFlow开发的一个非常好用的深度学习库，该深度学习库包含了很多方面的功能，适用于很多模型，包括图片分类、图片生成、问答系统
转载
2024-04-12 11:40:43
59阅读
Torch中的唯一的数据结构就是Tensor了，而该结构简洁而且强大，非常适合进行矩阵类的数值计算，它是Torch中最最重要的类了。这个Tensor其实就是个多维矩阵，支持矩阵的各种操作。这里需要特别强调的是，lua中的数组（其实是table）下标是从1开始的，因此Tensor对象的下标也是从1开始
转载
2016-12-08 18:11:00
204阅读
2评论
初始化 tensor相关信息 改变tensor里的元素 tensor的提取 总说：select是直接提取某一维；narrow是取出某一维并进行裁剪； sub就是取出一块，是对取出的所有维进行裁剪。 语法： select(dim, index)； narrow(dim, index, num); su
转载
2016-12-28 20:49:00
235阅读
2评论
## 实现 "Paddle Tensor 和 PyTorch Tensor" 的流程
### 1. 安装相应的库
在开始之前，我们需要先安装 `paddlepaddle` 和 `torch` 两个库，用于实现 Paddle Tensor 和 PyTorch Tensor。可以使用以下命令进行安装：
```bash
pip install paddlepaddle
pip install to
原创
2024-01-24 12:10:24
66阅读
pytorch 和tensorflow 中最重要的概念就是tensor了，tensorflow 这个框架的名字中很直白，就是tensor的流动，所以学习深度学习的第一课就是得搞懂tensor到底是个什么东西。 1.tensor到底是啥tensor 即“张量”。实际上跟numpy数组、向量、矩阵的格式基本一样。但是是专门针对GPU来设计的，可以运行在GPU上来加快计算效率。在PyTorch
转载
2023-07-09 19:28:13
167阅读
一、补充知识：1. Tensor和tensor的区别： 在PyTorch中，Tensor和tensor都能用于生成新的张量：>>>import numpy as np
>>> a=torch.Tensor([1,2])
>>> a
tensor([1., 2.])
>>> a=torch.tensor([1,2])
>&
转载
2023-10-28 14:04:00
251阅读
Tensor的基本使用1.基本概念标量：就是一个数，是0维的，只有大小，没有方向向量：是1*n的一列数，是1维的，有大小，也有方向张量：是n*n的一堆数，是2维的，n个向量合并而成2.a.size(),a.shape(),a.numel(),a.dim()的区别a.size()：输出a的某一维度中元素的个数，若未指定维度，则计算所有元素的个数a.shape()：输出a数组各维度的长度信息,返回是元
转载
2024-06-25 13:59:18
107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
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
本章中分析tf的核心概念在内核中的实现。Tensor(张量)Tensor是tf对数据的抽象，具有一定的维度、数据类型和数据内容。 图1：TF_Tensor
图1是C API中对Tensor的封装，Tensor的纬度、数据类型、数据内容都有对应的成员表示。数据内容存放在TensorBuffer中，这个类支持引用计数，在引用数为0的时候则自动释放内存。以上是接口层对Tensor的封装，比较简单
转载
2023-12-07 08:53:13
141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
Tensor与Variablepytorch两个基本对象：Tensor（张量）和Variable（变量）其中，tensor不能反向传播，variable可以反向传播（forword）。反向传播是为了让神经网络更新前面的参数，可以想象成做题的时候（题目就可以想成一个一个的神经元节点），我们有做对的，有做错的，做错的题目就可以反过来告诉我们应该重点学习哪一块知识，学习哪些题型，然后神经网络通过forw
转载
2023-10-15 11:27:22
91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
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
