张量tensor 进行 形状shape1. tensor是什么？张量这一概念的核心在于，它是一个数据容器。张量的维度（秩）：Rank/Order： Rank为0、1、2时分别称为标量、向量和矩阵，Rank为3时是3阶张量，Rank大于3时是N阶张量。这些标量、向量、矩阵和张量里每一个元素被称为tensor
转载
2024-04-02 10:49:02
70阅读
1.torch.set_default_tensor_type(t)
这个方法的意思是设置PyTorch中默认的浮点类型，注意这个方法只可以设置浮点数的默认类型，不可以设置整形的默认类型），可以使用torch.get_default_dtype()来获取设置的默认浮点类型。在CPU上，t默认是torch.FloatTensor，还可以是torch.DoubleTensor
在GPU上，t默认是to
转载
2024-03-19 17:01:34
198阅读
Tensor基本操作Tensor基础2.1.0创建Tensor2.1.1生成特定tensor2.1.2改变形状2.1.3 索引操作2.1.4广播机制2.1.5逐元素操作2.1.6归并操作2.1.7比较操作2.1.8矩阵操作2.2Pytorch与Numpy比较2.3Tensor与Autograd2.4计算图2.4.1标量反向传播2.4.2非标量反向传播2.5使用Numpy实现机器学习2.6使用Te
转载
2024-04-22 21:10:11
95阅读
随着互联网发展的深入，互联网开始下沉到各行各业进行互联网改造，比如进入网约车、出租车行业的滴滴，将出租车行业互联网化，改造之前，出租车的分布、订单轨迹、人流热度等交通数据都是直接废弃导致无法利用起来。改造之后，整个城市的出租车的实时分布、订单运行轨迹、人流热度等等这些都能实时观测到的，可以用于交警、行人、出租车提前规划更合理的路线，加快了整个城市的运行效率。在这个互联网改造过程中，最核心的就是出租
转载
2024-10-03 14:24:43
69阅读
目录1 pytorch数据结构1.1 默认整数与浮点数1.2 dtype修改变量类型1.3 变量类型有哪些1.4 数据类型转换2 torch vs numpy2.1 两者转换2.2 两者区别3 张量3.1 张量修改尺寸3.2 张量内存存储结构3.3 存储区3.4 头信息区1 pytorch数据结构1.1 默认整数与浮点数【pytorch默认的整数是int64】pytorch的默认整数是用64个比特
文章目录非常详细的一个文档，学习pytorch可以详细研究一下：对一些比较重要的功能和知识点进行复现：一、创建tensor张量二、tensor与numpy之间的相互转换三、tensor.function与tensor.function_的区别四、修改tensor的形状五、索引操作六.逐元素操作七. 归并操作八、比较操作 非常详细的一个文档，学习pytorch可以详细研究一下：http://www
转载
2024-03-25 14:12:31
222阅读
torch.utils.data.DataLoaderDataLoader(dataset, batch_size=1, shuffle=False, sampler=None,
batch_sampler=None, num_workers=0, collate_fn=None,
pin_memory=False, drop_last=False, t
在深度学习中，通常会频繁地对数据进行操作，在PyTorch中，torch.Tensor是存储和变换数据的主要工具（Tensor和NumPy的多维数组非常类似，Tensor提供GPU计算和自动求梯度等更多功能，使Tensor更加适合深度学习），以下进行一些汇总：目录1. Tensor数据操作1.1 创建Tensor1.2 算术操作1.3 索引1.4
现有的外存体系是DDR内存+磁盘二级存储结构。磁盘的优点是廉价，在存放大数据背景下的海量数据时扩充容量的代价容易承受。但是，数据管理的其他操作就有些蛋疼了，很多基本的操作都发现无法避免一个瓶颈：内外存间的通信(Jeffrey Scott Vitter)基于闪存的高速外存(SSD)没有随机I/O，这对很多ENN(Exact Nearest Neighbor)搜索方法是福音。典型的，va-file,
转载
2024-04-22 23:35:08
100阅读
torch.as_tensor(data, dtype=None,device=None)->Tensor : 为data生成tensor。如果data已经是tensor，且dtype和device与参数相同，则生成的tensor会和data共享内存。如果data是ndarray,且dtype对应，devices为cpu，则同样共享内存。其他情况则不共享内存。import t...
原创
2021-08-12 22:31:56
855阅读
torch.Tensor是一个包含单一数据类型元素的多维矩阵。Torch定义了9种CPU张量类型和9种GPU张量类型: Data type dtype CPU tensor GPU tensor 32-bit floating point torch.float32 or torc...
原创
2021-08-12 22:30:48
3697阅读
深刻理解Tensor的概念/结构及其常见的属性/操作_以Pytorch框架为例Tensor的几个重要的属性/方法1. device：2. data_ptr()3. dtype4. storage()5. is_contiguous()Tensor的操作/manipulation常用的APITensor的数据结构总结References Tensor的几个重要的属性/方法先来看一个例子：# -*-
转载
2024-06-11 21:53:46
178阅读
目录torch.is_tensor(obj)[source]torch.is_storage(obj)[source]torch.set_default_dtype(d)[source]torch.get_default_dtype() → torch.dtypetorch.set_default_tensor_type(t)[source]torch.numel(inpu...
原创
2021-08-12 22:30:43
1071阅读
文章目录1.官方Demo的项目目录2.模型3.训练4.预测5.遇到的问题 1.官方Demo的项目目录2.模型代码：import torch.nn as nn
import torch.nn.functional as F
class LeNet(nn.Module):
def __init__(self):
super(LeNet, self).__init__()
转载
2024-07-18 09:11:41
85阅读
# PyTorch中获取Tensor索引的方法
在PyTorch中，我们经常需要获取tensor中的某个元素或者某个范围的元素。这时候，我们就需要使用PyTorch提供的方法来获取tensor的索引。本文将介绍几种获取tensor索引的方法，并附上相应的代码示例。
## 1. 通过索引获取单个元素
我们可以通过索引来获取tensor中的单个元素，这时候需要使用`tensor[index]`的
原创
2024-03-19 04:57:47
160阅读
本章主要针对pytorch0.4.0英文文档的前两节,顺序可能有些不一样：torchtorch.Tensor张量 TensorsData typeCPU tensorGPU tensortype32-bit floating pointtorch.FloatTensortorch.cuda.FloatTensortorch.float3264-bit floating pointtorch.Dou
转载
2024-05-07 11:12:16
115阅读
1. TensorRT简介tensorRT是可以在NVIDIA的各种GP U下运行的一个C++推理框架。我们使用Pytorch、TF训练好的模型，可以转化为TensorRT的格式，然后用TensorRT推理引擎去运行这个模型，从而提高模型在英伟达GPU上的运行速度，一般可提高几倍~几十倍。主流的pytorch部署路径：pytorch ONNX torch2trttorch2trt_dynamic
torch.tensor()和torch.Tensor()新建得到的tensor到底有什么区别？
原创
2022-08-20 00:34:59
5937阅读
# Python List to Torch Tensor 的实现
## 简介
在机器学习和深度学习中，经常需要将数据从Python的列表（List）转换为PyTorch的张量（Tensor）。本文将介绍如何实现这个转换过程，并提供了详细的步骤和示例代码。
## 整体流程
下面是将Python List转换为PyTorch Tensor的步骤概览：
| 步骤 | 描述 |
| ---- |
原创
2023-11-21 04:53:49
446阅读
tensorflow实现tensor中满足某一条件的数值取出组成新的tensor首先使用tf.where()将满足条件的数值索引取出来，在numpy中，可以直接用矩阵引用索引将满足条件的数值取出来，但是在tensorflow中这样是不行的。所幸，tensorflow提供了tf.gather()和tf.gather_nd()函数。看下面这一段代码：import tensorflow as tf
se
