两个张量之间的Pytorch差异
PyTorch是一个开源的机器学习框架，它提供了丰富的工具和库，用于构建和训练深度神经网络。在PyTorch中，张量是最基本的数据结构，类似于多维数组。两个张量之间的差异可以通过减法操作来计算。
具体来说，两个张量之间的差异是指对应位置上元素的差值。如果两个张量的形状相同，那么它们可以直接相减得到一个新的张量，新张量的每个元素都等于原始张量对应位置上元素的差值。
例如，假设有两个形状为(2, 3)的张量A和B，可以使用以下代码计算它们之间的差异：
import torch
A = torch.tensor([[1, 2, 3], [4, 5, 6]])
B = torch.tensor([[2, 4, 6], [8, 10, 12]])
diff = A - B在上述代码中，diff将是一个形状为(2, 3)的新张量，其元素分别为[-1, -2, -3]和[-4, -5, -6]。
PyTorch的张量操作非常灵活，可以支持各种形状和维度的张量之间的差异计算。此外，PyTorch还提供了许多其他的张量操作，如加法、乘法、除法等，以及各种数学函数和神经网络层，可以帮助开发者更方便地进行深度学习任务。
对于云计算领域，腾讯云提供了一系列与PyTorch相关的产品和服务，如云服务器、GPU实例、弹性伸缩等，可以满足用户在深度学习和机器学习方面的需求。具体产品和服务的介绍可以参考腾讯云官方网站的相关页面。
参考链接：
相关·内容
为什么torch::Tensor::is_same失败了以下断言？张量使用C++ PyTorch API写入文件，然后再读取到另一个张量，is_same比较这两个张量：
torch::Tensor x_sequence = torch::linspace(0, M_PI, 1000);
torch::save(x_sequence, "x_sequence.dat");
torch::Tensor x_read;
torch::load(x_read, "x_sequence.dat");
assert(x_read.is_same(x_sequence
浏览 31提问于2020-08-18得票数 1
回答已采纳
如何检查两个PyTorch张量在语义上是否相等？
在给定浮点错误的情况下，我想知道元素是否只有一个小的epsilon值不同。
浏览 1提问于2018-11-19得票数 12
2回答
我有两个pytorch张量(单列)，每个元素比较它们，我把它们转换为numpy数组和一个包含40个元素的列。我想逐一比较这两个数组元素，如果一个数组中的值大于0.5，则将其设为1 one 0，并再次将结果转换为py手电筒张量。我该怎么做呢。
浏览 7提问于2021-12-20得票数 0
回答已采纳
我想在Tensorflow中使用一个预先训练过的Pytorch模型，并且我需要将tensorflow张量转换为pytorch张量。但是，我不想将Py手电筒张量转换为numpy数组，并将其转换为tensorflow张量，因为我得到的错误是“您必须为占位符张量提供一个值”。当我制作图形时，我需要这个转换，这样tensorflow张量就没有价值了，并且不能转换为numpy！有什么解决办法吗？
浏览 5提问于2021-01-24得票数 2
回答已采纳
1回答
我有两个PyTorch张量A，形状30，11，32，64和B，形状30，11，89。我的目标是创建一个形状为30，11，89，32，64的张量C，其中张量A应该扩展并在第三维复制，然后在适当的维度与张量B相乘。 如何在PyTorch中实现这一点？
浏览 21提问于2020-01-14得票数 1
我在中发现，CAddTable应该作为
x = x1 + x2 # instead of CAddTable(x1, x2) in older version
PyTorch会做其他的事情，比如自动毕业
但是如果我有多个张量，也就是。将上述输入从两个张量更改为一个张量列表。PyTorch还能做类似的事情吗？
浏览 1提问于2022-05-06得票数 0
回答已采纳
我在PyTorch中设计了一个神经网络，它需要大量的GPU内存，否则就会以非常小的批处理大小运行。
GPU运行时错误由于三行代码(存储两个新的张量并执行一些操作)而导致。
我不想用小批号运行我的代码。因此，我希望在CPU上执行这三行代码(从而存储这些新的张量)，并像往常一样在GPU上保留所有其他代码。
做得到吗？
浏览 4提问于2021-10-04得票数 1
回答已采纳
我正在用pytorch训练一个模型，其中我需要计算两个张量之间的依赖程度(假设它们是两个张量，每个张量都包含非常接近于0或1的值，例如v1 = 0.999、0.998、0.001、0.98和v2 = 0.97、0.01、0.997、0.999)，作为损失函数的一部分。我试图计算，但在PyTorch中找不到任何相互信息估计实现。有没有提供过这样的东西？
浏览 27提问于2022-05-20得票数 1
我需要从上面的链接使用mulit_dimensional_attention，它是用TensorFlow实现的，但我使用的是PyTorch，所以我可以将PyTorch张量转换为TensorFlow张量，或者我必须用Pytorch实现它。
我在这里尝试使用的代码我必须将'rep_tensor‘作为TensorFlow张量类型传递，但我有PyTorch张量
def multi_dimensional_attention(rep_tensor, rep_mask=None, scope=None,
keep_prob=1.,
浏览 14提问于2020-03-17得票数 0
我有大小为2x8x8的例子作为张量，我正在使用PyTorch数据加载器。但现在我也想添加一个大小为1(单个数字)的1维张量作为输入。 因此，我有两个神经网络的输入参数，一个是卷积层的多维参数，另一个是稍后要连接的额外参数。 也许我可以使用两个数据加载器，对于每个张量形状一个，但我不能洗牌。 如何将单个PyTorch数据读取器用于这两个不同的输入张量？
浏览 34提问于2020-10-29得票数 0
回答已采纳
1回答
我有两个张量的火把，这些形状：
torch.Size(64,100)和torch.Size(64,100,256)
我想通过torch.cat把它们连接起来，但是它们应该是相同的形状和大小。所以我得到了这个错误：
RuntimeError:张量必须具有相同的维数: got 2和3
我该怎么做才能解决这个问题？如何将二维PyTorch张量转换为三维张量，或者如何在不丢失任何数据的情况下将三维PyTorch张量转换成二维张量？或者其他的想法？
浏览 5提问于2021-12-07得票数 0
回答已采纳
在处理与问答(MRC)相关的问题时，我实现了两种不同的架构，它们独立地给出了两个张量(令牌上的概率分布)。这两个张量都是维度(batch_size,512)。我希望获得表单(batch_size,512)的最终输出。如何使用可训练权重组合两个张量，然后根据最终预测训练模型？
编辑(附加信息)：
因此，在我的NN模型的前向函数中，我使用BERT模型对512个令牌进行编码。这些编码是768维的。然后，这些被传递到线性层nn.Linear(768,1)以输出形状张量(batch_size,512,1)。除此之外，我还有另一个建立在BERT编码之上的模型，它也产生了形状的张量(batch_size，5
浏览 5提问于2020-06-21得票数 0
1回答
在Pytorch中是否有一个内置函数可以有效地计算两个张量的所有成对点积？例如：
输入张量形状( A NxD)
张量形状( B NxD)
输出张量C (shape NxN)使得C_i,j = torch.dot(A_i, B_j)？
浏览 1提问于2021-01-28得票数 0
1回答
稀疏张量减少训练时间
、、、
我了解了PyTorch稀疏张量：
从docs ()：“火炬支持稀疏张量的COO(rdinate)格式，这可以有效地存储和处理张量，其中大多数元素是零。”
是否使用稀疏张量代替常规的PyTorch张量来减少训练时间？
浏览 3提问于2018-11-24得票数 2
回答已采纳
4回答
对于numpy，我可以这样做一个简单的矩阵乘法：
a = numpy.ones((3, 2))
b = numpy.ones((2, 1))
result = a.dot(b)
但是，这不适用于PyTorch：
a = torch.ones((3, 2))
b = torch.ones((2, 1))
result = torch.dot(a, b)
此代码引发以下错误：
RuntimeError:一维张量，但得到二维张量和二维张量
如何在PyTorch中执行矩阵乘法？
浏览 9提问于2017-06-13得票数 84
回答已采纳
在pytorch中，我可以创建一个随机的零和一个张量，每个张量的分布都在%50左右。
import torch
torch.randint(low=0, high=2, size=(2, 5))
我想知道怎样才能得到一个张量，其中只有25%的值是1s，其余的是0？
浏览 4提问于2020-11-06得票数 3
回答已采纳
考虑一下statements等人编写的题为“与一起学习的深度学习”( Deep PyTorch )一书中的一章中的以下语句。
让我们构造第一个PyTorch张量，看看它是什么样子。现在它不是一个特别有意义的张量，只有列In4中的三个张量: import a= torch.ones(3) a
通常，列的概念至少用于两个维度。被初始化的张量是一维的。因此，我猜想，如果我们使用任何一行或列，都是无关紧要的。
我是真的吗？否则，在这种情况下使用“列”一词是否有任何理由？
浏览 1提问于2022-01-18得票数 0
我正在学习pytorch.Reading的官方教程，我遇到了困惑的代码。输入是张量，目标也是张量。
def nll(input,target):
return -input[range(target.shape[0]),target].mean()
而pred是：
目标是：
‘-输入[范围(target.shape)，目标]’是：
输出显示这不是从输入或合并两个张量中减除目标。
浏览 1提问于2022-09-14得票数 1
回答已采纳
1回答
我有两个形状相同的PyTorch张量A和B，我想创建一个形状相同的“随机混合”张量C，其中Ci，... = Ai，...概率α或Bi，..。概率为1-α。有没有什么Pythonic式的方法可以简洁地完成这个任务？
浏览 3提问于2020-11-27得票数 1
假设我们只想修改变量值的一部分的梯度，那么在pytorch中是否可以只对一个子张量进行register_hook (作为pytorch变量的张量的子张量)？
浏览 7提问于2019-04-30得票数 0
回答已采纳
2回答
我正在看一个关于PyTorch和代码的教程，并且按照的说法，我被困在函数torch.randint上。
torch.randint(low=0，高，大小，*，generator=None，out=None，dtype=None，layout=torch.strided，device=None，requires_grad=False)→张量
在这里，size是：
尺寸(元组)-定义输出张量形状的元组。
YouTuber写
random_idx = torch.randint(0, len(train_data), size=[1]).item()
但是[1]不是一个元组，它是
浏览 11提问于2022-09-20得票数 0
回答已采纳
我使用的是带有张量内核的Nvidia RTX GPU，我想确保pytorch/tensorflow正在利用它的张量内核。我在一些文章中注意到，张量核心用于处理float16，并且默认情况下pytorch/tensorflow使用float32。他们引入了一些“混合精度和分布式训练”的库。这是一个有点陈旧的答案。我想知道pytorch或tensorflow GPU现在是否支持开箱即用的张量核心处理。
浏览 23提问于2021-11-18得票数 0
1回答
我想知道是否有可能将两个不同形状的pytorch张量连接起来。一个张量的形状为torch.Size(247247)，另一个张量的形状为torch.Size(10,183)。在dim=1上使用torch.cat()可以将它们连接起来吗？
浏览 16提问于2020-12-27得票数 0
1回答
双张量的火炬传播积
、、、、
我想乘两个张量，这是我得到的：
形状A张量(20, 96, 110)
形状B张量(20, 16, 110)
第一个索引用于批量大小。我想要做的基本上是从B - (20, 1, 110)取每个张量，用它，我想乘以每个A张量(20, n, 110)。最后是张量AB，它的形状是(20, 96 * 16, 110)。
所以我想通过用A广播B来乘以每个张量。在PyTorch中有一种方法可以做到这一点吗？
浏览 1提问于2018-06-22得票数 2
回答已采纳
1回答
我有一个Pytorch代码，它在for循环的每一次迭代中生成一个Pytorch张量，都是相同大小的。我想把每个张量分配给一排新的张量，其中包括最后的所有张量。在其他作品中，像这样的作品
for i=1:N:
X = torch.Tensor([[1,2,3], [3,2,5]])
#Y is a pytorch tensor
Y[i] = X
我想知道怎样才能用Py手电筒来实现这一点。
浏览 0提问于2019-12-03得票数 1
回答已采纳
从PyTorch 0.4开始，这个问题就不再有效了。04年，Tensor__s和Variable__s合并。
如何使用PyTorch中的变量和张量来执行按元素方向的乘法？有两个张量就行了。使用变量和标量可以很好地工作。但是，当试图使用变量和张量执行按元素进行乘法时，我得到：
XXXXXXXXXXX in mul
assert not torch.is_tensor(other)
AssertionError
例如，在运行以下代码时：
import torch
x_tensor = torch.Tensor([[1, 2], [3, 4]])
y_tensor = torch.Tens
浏览 3提问于2017-07-02得票数 8
回答已采纳
目前，我正在用pytorch编写一个基于U-net的分割模型，我想使用类似于mobilenet v2上引入的倒置残差来提高模型在cpu上的速度。
然后我意识到模型在训练阶段和测试阶段使用了更多的内存。虽然模型应该在训练阶段使用更多的内存，因为所有的中间步骤张量(特征图)都被保存了，并且使用可分离的卷积，为每个“卷积”操作创建了更多的张量。但在运行时，实际上只有几个最后一步张量必须保存以用于跳过连接，一旦创建了下一步，所有其他张量都可以删除。在测试阶段，具有正常卷积的u-net和具有可分离卷积的u-net的存储效率应该相同。
我是pytorch的newbee，所以我不知道如何编写代码来防止测试时
浏览 1提问于2019-04-13得票数 0
2回答
我最近开始学习pyTorch，我从火炬社区搬来，因为我喜欢Python。
我在pyTorch.Any的洞察力中遇到了这种奇怪的行为，因为我们会很感激为什么会发生这种情况。
x=torch.Tensor(10,1).fill_(1)
y=torch.Tensor(10).fill_(2)
print(x.size()) #output is torch.Size([10, 1])
print(y.size()) #output is torch.Size([10])
z=x+y
z.size()
z.size() #output is torch.Size
浏览 6提问于2017-12-18得票数 1
回答已采纳
例如，我有一个N B x H张量列表(即N x B x H张量)和一个N向量列表(即N x B张量)。我要把列表中的每个B x H张量乘以相应的B维张量，从而得到N x H张量。
我知道如何使用单个for-loop和PyTorch来实现计算，但是有矢量注入吗？(即不使用for-loop，只使用PyTorch/numpy操作)
浏览 2提问于2018-06-23得票数 0
回答已采纳
我有一个形状张量，比如：[4,10]，其中4是批量大小，10是我的输入样本缓冲区的长度。现在，我知道它实际上是[4,5+5]，即输入样本缓冲区由两个长度为5的窗口组成，这两个窗口可以独立处理，最好是并行处理。我所做的是，在我的模型的forward()中，我首先将张量重塑为8,5，在其上运行我的层，然后将其重塑回4，-1，然后返回。我希望Pytorch能够在每个窗口(或者说子批处理)上并行运行我的模型，从而有效地产生一个并行的for循环。它运行得很好，Pytorch没有抱怨，但我得到了奇怪的结果。在我开始调试我的模型之前，我想知道Pytorch是否可以这样工作。
浏览 1提问于2020-10-15得票数 0
我在PyTorch中创建了一个sparse_coo张量： import torch
# create indices
i = torch.tensor([[0, 1, 1],
[2, 0, 2]])
# create values
v = torch.tensor([3, 4, 5], dtype=torch.float32)
# create sparse_coo_tensor
sparse_tensor = torch.sparse_coo_tensor(i, v, [2, 4]) 现在，我想将PyTorch稀疏张量转换为PyTorch稠密张量。可
浏览 274提问于2020-10-27得票数 0
回答已采纳
tensor(1.0000, grad_fn=<SumBackward0>)
tensor([1.]) 为什么这两个张量在pytorch中不等价？
浏览 10提问于2019-01-07得票数 0
有没有什么方法可以检索二维pytorch张量中包含的最大元素的行和列索引？例如，请参阅下面的pytorch张量a：
a
>> torch.tensor([1,2,3],
[9,5,4],
[6,7,8])
张量a中最大的元素是9，它发生在第二行的第一列。如果我将其更改为从零开始的python列和行索引，元素的列索引将为0，行索引将为1。
有没有办法从2维pytorch张量a中检索索引1,0
浏览 3提问于2020-02-27得票数 0
我想在使用pybind11的C++模块中接收一个包含PyTorch张量的字典，并返回包含C++ torch::Tensor的结果字典。就我所寻找的，似乎没有明确的方法将PyTorch张量转换为C++张量，以及将C++张量转换为PyTorch张量。在最后一次试验中，我尝试将PyObject转换为torch::Tensor，但似乎效果不佳。(https://discuss.pytorch.org/t/is-it-possible-to-get-pyobject-from-a-torch-tensor/85980/2)我想知道它是否正确，是否有任何解决方法。我在下面分享了我的代码片段。 py::d
浏览 36提问于2021-02-03得票数 0
我在PyTorch中有一个大小的张量(32,128，50)。这些是50个字嵌入，批处理大小为32.也就是说，我大小中的三个索引对应于批数、最大序列长度(带有“pad”令牌)和每个嵌入的大小。现在，我想通过一个线性层来获得一个大小(32,128，1)的输出。也就是说，对于每一个嵌入在每个序列中的单词，我想把它变成一维的。我试着在我的网络中添加一个线性层，从50到1维，输出张量是所需的形状。所以我认为这是可行的，但是我想了解PyTorch是如何处理这个问题的，因为我没有明确地告诉它要将线性层应用到哪个维度。我玩过这个发现：
如果我输入一个形状张量(32，50，50) --因此，通过有两个维度，
浏览 12提问于2022-02-17得票数 0
回答已采纳
最初，tensorflow和Py手电筒有一个根本的区别：
tensorflow是基于计算图的。构建此图并在会话中对其进行计算是两个独立的步骤。当它被使用时，图形不会改变，这允许优化。
火炬热切地评估一个张量的运算。这使得API更方便(没有会话)，但也减少了识别和优化总是按顺序发生的操作的潜力。
现在，这种差异变得不那么明显了。Tensorflow已经回应了火炬在上的流行。还有一个项目，它构建在与tensorflow ()相同的底层框架上。JAX没有会话的概念。但是它允许您通过简单地调用来编译多个操作。
既然Tensorflow已经开始覆盖PyTorch功能，那么PyTorch是
浏览 4提问于2019-10-28得票数 2
我是Pytorch的初学者，我被一个问题困扰了好几天。我想保存一个图像，这是在Pytorch张量形式为.mat文件。我看过了，但似乎没有直接的方法将Pytoch张量转换为.mat文件。我找到的一个可能的解决方案是将其转换为numpy数组，但由于我使用的是Nvidia GPU，所以当我尝试将Pytorch张量转换为numpy数组时，它给出了这个错误： fake_images[0] = fake_images[0].numpy() TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() t
浏览 71提问于2021-02-03得票数 0
我想问一下: Tensorflow中是否使用了'+‘符号？我是说。在Pytorch中，我可以使用+和-运算符对张量进行求和/减法，而在Tensorflow中，我可以很好地利用tf.add。你能帮我弄清楚吗？ 谢谢
浏览 74提问于2020-06-30得票数 0
我看到许多内部张量操作，如mul_和div_，在PyTorch C++前端都是const的：
Tensor &mul_(Scalar other) const
这似乎很奇怪，因为内部操作应该修改张量数据，对吗？有谁知道制造他们的理由是什么吗？
我在github上找到了一些，但它的标题似乎与下面所写的内容相矛盾：
“康斯特张量”并不能保证安全.因此，这些方法应该是不连续的。
浏览 4提问于2020-08-16得票数 1
回答已采纳
我试图在pytorch中添加两个维度为[64, 64, 127, 127]和[64, 3, 127, 127]的张量，但我需要在第二个张量中添加零，以便将它们的维度等于[64, 64, 127, 127]。 我尝试过通过切片来添加零，但它并不健壮
浏览 20提问于2019-05-05得票数 0
2回答
我可以使用PyTorch张量代替NumPy数组，同时使用scikit学习吗？
我尝试了一些像train_test_split和StandardScalar这样的学习方法，但是当我使用PyTorch张量而不是NumPy数组时，有什么我应该知道的吗？
根据上的这个问题：
numpy数组或枕叶稀疏矩阵。其他类型的可转换为数字数组，如熊猫DataFrame也是可以接受的。
这是否意味着使用PyTorch张量是完全安全的？
浏览 2提问于2021-11-18得票数 3
回答已采纳
2回答
当我想将模型放到GPU上时，我会得到以下错误：
"RuntimeError:输入和隐藏张量不在同一设备上，在cuda:0处找到输入张量，在cpu上找到隐藏张量“。
然而，上述所有这些都已放在GPU上：
for m in model.parameters():
print(m.device) #return cuda:0
if torch.cuda.is_available():
model = model.cuda()
test = test.cuda() # test is the Input
Windows 10服务器
Pytorch 1.2.0 +库
浏览 3提问于2019-09-25得票数 8
回答已采纳
是否有Pytorch内部过程来检测张量中的NaNs？Tensorflow有tf.is_nan和tf.check_numerics操作...Pytorch在什么地方也有类似的东西吗？我在文档里找不到这样的东西... 我正在寻找一个专门的Pytorch内部例程，因为我希望这发生在GPU以及CPU上。这不包括基于numpy的解决方案(如np.isnan(sometensor.numpy()).any()) ...
浏览 63提问于2018-01-09得票数 45
回答已采纳
假设我有两个PyTorch张量：
t_1d = torch.Tensor([6, 5, 1, 7, 8, 4, 7, 1, 0, 4, 11, 7, 4, 7, 4, 1])
t = torch.Tensor([4, 7])
我想得到张量为t的张量t_1d的集合之间的精确匹配交集的索引。
t_1d和t的期望输出：[5, 12] (精确交集的第一个索引)
最好是在GPU上处理大张量，因此没有循环或Numpy投射。
浏览 27提问于2021-02-28得票数 1
回答已采纳
Pytorch是否有与Numpy的元素级 (logical_and、logical_or、logical_not和logical_xor)等效的and？在使用CPU时，对Pytorch张量调用Numpy函数似乎工作得足够好，甚至可以生成Pytorch张量作为输出。我问主要是因为我假设如果pytorch计算在GPU中运行，这将不会很好地工作。
我在中查看了所有包含字符串" and“的函数，似乎没有一个相关的。
浏览 1提问于2019-02-08得票数 5
回答已采纳
我有形状BxNxD的张量X，形状BxNxD的张量Y。 我想要计算批次中每个元素的成对距离，即i一个BxMxN张量。 我该怎么做呢？ 这里有一些关于这个主题的讨论：https://github.com/pytorch/pytorch/issues/9406，但我不理解它，因为有很多实现细节，而没有强调实际的解决方案。 一种天真的方法是使用此处讨论的非批处理成对距离的答案：https://discuss.pytorch.org/t/efficient-distance-matrix-computation/9065，即 import torch
import numpy as np
B = 3
浏览 63提问于2019-03-13得票数 8
我正在努力解决一个我无法用PyTorch代码解决的问题。我的任务很简单:只需要得到两个张量的内积。但是，在某些情况下，输出变为零，而不是返回正确的值。
例如，下面的代码演示了这个问题。
a = torch.tensor([3,1])
b = torch.tensor([3.,1.])
a.dot(a) # this returns 10, which is correct
b.dot(b) # this returns 0., which is not correct
我使用的是PyTorch版本1.2，这种情况以前从未发生过.在定义张量的过程中，是否缺少了一些简单的东西？
谢谢您抽时间见
浏览 0提问于2019-09-05得票数 0
回答已采纳
我正在尝试用Pytorch实现STFT。但是，与Librosa的实现相比，Pytorch实现的输出略有不同。 Librosa版本 import numpy as np
from librosa.core import stft
import matplotlib.pyplot as plt
np.random.seed(3)
y = np.sin(2*np.pi*50*np.linspace(0,10,2048))+np.sin(2*np.pi*20*np.linspace(0,10,2048)) + np.random.normal(scale=1,size=2048)
S_stft
浏览 173提问于2019-06-02得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
