TensorTensor，又名张量，可以将它简单的认为是一个数组，支持高效的科学计算。它可以是一个数（标量）、一维数组（向量）、二维数组（矩阵）或更高维的数组（高阶数据）。Tensor和numpy的array类似，但是Pytorch的tensor支持GPU加速。基础操作tensor的接口设计的与numpy类似，以便用户使用。从接口的角度讲，对tensor的操作可分为两类： （1）torch.fun
转载
2023-06-29 12:07:44
303阅读
文章目录创建tensor直接创建从numpy中获得数据创建特定的tensor 根据数值要求：根据矩阵要求:随机采用生成:基本运算，加减乘除乘法对数运算：幂函数：指数运算截断函数对比操作：python number的获取tensor设置判断:设置: 通过一些内置函数，可以实现对tensor的精度, 类型，print打印参数等进行设置tensor的一些用法： 创建tensor直接创建torch.te
转载
2023-11-10 11:45:59
311阅读
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
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
【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
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
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
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
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
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
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
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
tensor是深度学习运算的基本数据结构，本文主要归纳总结了Pytorch中的tensor对象的基础知识，包括它的常用属性、创建方法以及类型转化。1. Tensor属性Pytorch中定义了许多类，类就包括属性和行为（方法），Tensor是最基本的类，是用来运算的基本单位。tensor的大多属性都不是基本数据类型，而是Pytorch中定义的类，比如torch.dtype、torch.device等
转载
2023-08-30 10:58:22
238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
Tensor是PyTorch中重要的数据结构，可认为是一个高维数组，可以使用GPU加速。import torch as t
# 构建5*3矩阵，只是分配了空间，未初始化
x = t.Tensor(5, 3)
# 使用[0, 1]均匀分布随机初始化二维数组
x = t.rand(5, 3)
# 查看x的形状
print(x.size())
y = t.rand(5, 3)
# 加法的第一种
转载
2023-10-11 10:00:38
351阅读
计算图与动态图机制计算图是用来描述运算的有向无环图。计算图有两个主要元素:结点(Node)和边(Edge)。结点表示数据，如向量,矩阵,张量；边表示运算，如加减乘除卷积等。 下面用计算图表示:y = ( x + w ) ∗ ( w + 1 ) 采用计算图描述运算的好处：不仅使得运算更加简洁，而且使得梯度求导更加方便。下面用代码展示上述计算图梯度求导过程：import torch
# 需要计算梯度
转载
2023-06-25 16:57:05
25阅读
