Numpy与Pytorch 矩阵操作方式
Numpy
随机矩阵: np.random.randn(d0, d1, d2, ...)
矩阵大小与形状: np.ndarray.size 与 np.dnarray.shape
Pytorch
随机矩阵: torch.randn(d0, d1, d2, ...)
添加维度: tensor.unsqueeze(0)
压缩维度: tensor.squeeze(0)
按维度拼接tensor: torch.cat(inputs, dim=0, ...)
维度堆叠: torch.stack(inputs, dim=0)
张量排序索引: tensor.sort(descending=True) 返回一个tensor为排序后的tensor, 一个为index_tensor
矩阵元素夹逼: tensor.clamp()
矩阵切割: torch.chunk(tensor, chunks, dim)
矩阵复制: torch.repeat(*size)
生成零矩阵: torch.torch.zeros(5, 3, dtype=torch.long)
生产同形状的随机矩阵:x = torch.randn_like(x, dtype=torch.float)
矩阵中函数名以'_'结尾的,如:y.add_(x),运算结束后会改变y本身
以上这篇Numpy与Pytorch 矩阵操作方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
python使用dabl几行代码实现数据处理分析及ML自动化
这篇文章主要为大家分享一个名为 dabl 的开源 Python 工具包,它可以自动化机器学习模型开发,包括数据预处理、特征可视化和分析、建模2021-11-11在pycharm中使用git版本管理以及同步github的方法
今天小编就为大家分享一篇在pycharm中使用git版本管理以及同步github的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2019-01-01python 使用Tensorflow训练BP神经网络实现鸢尾花分类
这篇文章主要介绍了python 使用Tensorflow训练BP神经网络实现鸢尾花分类,帮助大家更好的利用python进行深度学习,感兴趣的朋友可以了解下2021-05-05通过python的matplotlib包将Tensorflow数据进行可视化的方法
今天小编就为大家分享一篇通过python的matplotlib包将Tensorflow数据进行可视化的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2019-01-01
最新评论