首先说明，这个是 20200314 的帖子，可能各位大大看到的时候，情况已经发生了变化，各位做参考就好了。前面是拉拉杂杂的，可以直接到后面的安装其实安装 tersorRT 其实比较简单，但是要将 tensorRT 和 pytorch 安装在一个盒子里面，就尴尬了。应该在实际的运行环境，不需要这样做，因为按照官方介绍 tensorRT 是做运用环境下的部署，运行环境建议大家直接使用 tensorRT
pytorch中对tensor操作：分片、索引、压缩、扩充、交换维度、拼接、切割、变形1 根据维度提取子集2 对数据进行压缩和扩充：torch.squeeze() 和torch.unsqueeze()3 对数据维度进行交换：tensor.permute()4 对数据进行拼接：torch.cat(), torch.stack()5 对数据进行切割：torch.split()6 对数据进行变形：te
转载
2023-11-26 10:58:02
757阅读
pytorch学习笔记1: Tensor pytorch学习笔记1: Tensor1、Tensors建立5*3的矩阵，未初始化建立随机初始化矩阵建立零初始化矩阵，数据类型是Long建立一个tensor数据来源于data在原有tnesor的基础上形成新的tensor，会继承原有tensor的shapee和dtype等属性，当然我么也可以修改这些属性获取tensor的sizetorch.size是一个
Tensor的基础知识张量的基本概念 张量（Tensor）是神经网络中使用的主要数据结构，在网络的输入、转换和输出都涉及到张量。张量的概念是对其他更具体概念的数学概括，张量在计算机科学方面和数学方面本质上相同，但术语不同，对比图如下，其中Indexes required表示需要的索引数。 换言之，在深度学习和神经网络中，张量是n维数组，我们用张量这个词来表示所有的n值，比如标量是零维张量、矢量是一
转载
2023-12-06 17:49:09
138阅读
用 numpy 创建 tensor：import numpy as np
import torch
a_np = np.array([2,3.3])
a_tensor = torch.from_numpy(a_np)
print("a_tensor: ", a_tensor)用 list 创建 tensorimport torch
a_list = [2,3.3]
a_torch = torc
转载
2024-05-15 06:28:01
91阅读
1、张量1.1 pytorch和python的对比python：int、float、tuple(元组)、stringpytorch：以tensor结尾，不同类型的tensor的维度不同 例如：整型数字tensor维度为0，二维数组tensor的维度为2维1.2 pytorch特殊地方pytorch不支持string，可以用one-hot编码表示字符常见类型：float32对应pytorch：tor
转载
2023-09-29 08:42:41
188阅读
一.创建Tensor的多种方法使用numpy创建import torch
import numpy as np
#利用numpy创建
a = np.array([1, 2])
a_torch = torch.from_numpy(a)
print(type(a), type(a_torch))输出 <class ‘numpy.ndarray’> <class ‘torch.Ten
转载
2024-05-28 23:55:36
50阅读
Tensor的算术运算import torch
a = torch.Tensor([1, 2])
b = torch.Tensor([3, 4])
### 加法运算
c = a + b
c = torch.add(a, b)
c = a.add(b)
print(a)
c = a.add_(b)
print(a)
### 减法运算
c = a - b
c = torch.sub(a, b)
转载
2024-04-10 09:58:10
92阅读
view()打平函数需要注意的是打平之后的tensor是需要有物理意义的，根据需要进行打平，并且打平后总体的大小是不发生改变的。并且一定要谨记打平会导致维度的丢失，造成数据污染，如果想要恢复到原来的数据形式，是需要靠人为记忆的。现在给出一个tensor——a.shape=torch.Size([4, 1, 28, 28])，打平a.view(4,1*28*28)，此时a.view(4,1*28*2
转载
2024-08-20 18:07:58
96阅读
## 实现PyTorch Tensor降维的方法
### 介绍
作为一名经验丰富的开发者，我将向你解释如何在PyTorch中实现Tensor的降维操作。这对于刚入行的小白来说可能是一个有挑战性的任务，但是通过本文的指导，你将能够轻松掌握这一技巧。
### 流程图
```mermaid
sequenceDiagram
小白->>开发者: 请求帮助实现PyTorch Tensor降维
原创
2024-05-26 06:28:33
215阅读
squeeze只能删除维度为1的某一维。若某个维度不为1，可以用切片取出该维度的一个数据，再用squeeze删除。
原创
2023-07-28 14:03:59
505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
pytorch 中维度（Dimension）概念的理解Dimension为0（即维度为0时）维度为0时，即tensor(张量)为标量。例如：神经网络中损失函数的值即为标量。 接下来我们创建一个dimension为0 的tensor#导入torch
import torch
#创建一个维度为0的tensor
a = torch.tensor(1.)
print(a)#输出a
print(a.size
转载
2023-09-01 12:58:14
717阅读
文章目录张量的通道规则针对于图像分析时的通道规则Caffe 的通道顺序Tensorflow 的通道顺序Pytorch 的通道顺序Numpy 的通道顺序针对自然语言分析时的通道规则Tensor 的基本属性获取张量基本属性获取张量维度还可以使用 size 命令 就像其他科学框架那样, torch 的基本数据单元是张量 (Tensor)。 和数学与物理概念里的张量有所区别的是, torch等相关框架的
转载
2024-03-14 07:23:15
132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
关于Pytorch中tensor的自动梯度求导与反向传播的理解参考资料：
详解Pytorch 自动微分里的（vector-Jacobian product）；
PyTorch 的 backward 为什么有一个 grad_variables 参数？；为了更好的计算梯度，torch提供了一个名为的tensor的数据结构，专门用于深度学习中计算梯度。但并不是每一个tensor都被赋予自动计算梯度的功能
# 如何使用 PyTorch 实现一维 Tensor 相乘
在深度学习中，PyTorch 是一个流行的框架，它提供了丰富的功能和工具，方便开发者进行张量（Tensor）操作。今天，我们将一起学习如何在 PyTorch 中实现一维 Tensor 的相乘操作。
## 整体流程
在开始之前，让我们先看一下实现一维 Tensor 相乘的总体流程。下表清晰地列出了每个步骤及其对应的操作：
| 步骤
小白最近刚开始使用pytorch，经常需要在各个网站反复查询一些函数的区别。但是不同的博客说的有时候不一样，趁着实验室停电，小白写了这篇文章，方便自己食用，不定期更新。如有错误，欢迎大家热烈指正。第0章 敌动我也动，敌动我不动之前写背包问题的时候，对序列B做更改的时候，(B=A) 序列A也跟着改变大小。这是因为A和B都指针指向了同一个地址。下面详细介绍：c = [1,2]赋值的时候，python是
转载
2023-12-24 14:31:12
94阅读
文章目录1.常用的张量数据类型2.张量的属性获取3.张量与其他数据类型的相互转换4.生成满足条件的张量5.对张量进行索引和切片6.对张量进行维度变换7.Broadcasting机制8.对张量的拼接和拆分9.张量的数学运算10.张量的布尔值运算11.张量的统计值计算12.where函数和gather函数13.节省内存地进行张量运算14.张量的保存和加载 对张量的概述： 数学中有标量、向量和矩阵的概
转载
2023-08-25 13:01:55
1062阅读
# 如何使用PyTorch统计1维tensor中大于0的数量
## 介绍
作为一名经验丰富的开发者，我将会教会你如何使用PyTorch来统计1维tensor中大于0的数量。这是一个非常基础但重要的操作，对于初学者来说有一定难度，但通过本文的指导，你将能够轻松掌握这个技能。
## 整体流程
以下是完成这个任务的整体流程：
```mermaid
gantt
title PyTorch统计
原创
2024-03-15 06:03:32
412阅读
