使用相同大小的索引张量拆分火炬张量
是指根据给定的索引张量，将一个火炬张量（PyTorch Tensor）拆分成多个子张量。这个操作在处理大规模数据集时非常有用，可以将数据划分成小块进行并行处理，提高计算效率。
拆分火炬张量的步骤如下：
- 创建一个索引张量：索引张量是一个一维张量，用于指定拆分的位置。索引张量的长度决定了拆分后子张量的个数。
- 使用索引张量进行拆分：使用PyTorch的
torch.split()函数，传入火炬张量和索引张量，即可将火炬张量拆分成多个子张量。torch.split()函数会根据索引张量的值，将火炬张量切分成多个子张量。
拆分火炬张量的优势是可以将大规模数据集划分成小块进行并行处理，提高计算效率和性能。此外，拆分火炬张量还可以减少内存占用，避免一次性加载整个数据集。
拆分火炬张量的应用场景包括但不限于：
- 分布式训练：在分布式训练中，可以将数据集拆分成多个子张量，分发给不同的计算节点进行并行训练，加快训练速度。
- 大规模数据处理：当处理大规模数据集时，可以将数据划分成小块进行并行处理，提高处理效率。
- 数据预处理：在数据预处理阶段，可以将数据集拆分成多个子张量，分别进行不同的预处理操作，如数据归一化、数据增强等。
腾讯云提供了一系列与云计算相关的产品，以下是一些推荐的产品和产品介绍链接地址：
- 云服务器（Elastic Cloud Server，ECS）：提供可弹性伸缩的云服务器实例，满足不同规模和需求的计算资源。详细信息请参考：云服务器产品介绍
- 云数据库MySQL版（TencentDB for MySQL）：提供稳定可靠的云数据库服务，支持高可用、备份恢复、性能优化等功能。详细信息请参考：云数据库MySQL版产品介绍
- 人工智能平台（AI Lab）：提供丰富的人工智能开发工具和服务，包括图像识别、语音识别、自然语言处理等。详细信息请参考：人工智能平台产品介绍
请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求和情况进行。
相关·内容
1回答
我尝试将一个函数应用于3d火炬张量，同时将该函数应用于2d张量，该张量通过3d火炬张量的轴1读取。 例如，我有一个形状为(51, 128, 20100) (名为autoencode_logprob的变量)的火炬张量，函数(Rawid2sentence)在形状(51, 20100)的输入上运行。 现在，我编写了使用naive for循环运行的代码，使用range(128)逐个循环。 然而，它太慢了。以下是重要的代码部分。 autoencode_logprobs是3d张量，我需要沿着它的第二个轴应用rawids2sentence函数。有没有帮助将其矢量化？ for i in range(128)
浏览 19提问于2019-05-08得票数 0
1回答
假设我们有火炬张量：
A: with shape BxHxW and values in {0,1}, where 0 and 1 are classes
B: with shape Bx2xD and real values, where D is the dimensionality of our vector
We want to create a new tensor of shape BxDxHxW that holds in each index specified in the spatial dimension (HxW), the vector that correspon
浏览 3提问于2021-12-06得票数 5
我有一个维度为Batch_size，n，n的3D火炬张量，这是我的网络层的输出，以及一个大小为n，n的恒定2D火炬张量。我如何在批量大小上执行逐个元素乘法，这应该导致一个大小为Batch_size，n，n的火炬张量？我知道可以使用显式循环来实现此操作，但我对最有效的方式感兴趣。 谢谢
浏览 16提问于2020-01-24得票数 0
回答已采纳
我在用毕火炬做一些机器人强化学习任务。我想使用有关状态的图像和信息作为此任务的观察对象。我所使用的实现并不直接支持这一点，所以我要做一些修改。期望观测是状态，作为一维张量，或图像作为三维张量(通道，宽度，高度)。在我的任务中，我希望观察是张量的一个元组。
在我的代码库中的许多地方，观察结果当然是一个张量，而不是张量的元组。是否有一种简单的方法将一个张量元组作为一个单张量来处理？
例如，我想：
observation.to(device)
当observation是单个张量时，要正常工作，当observation是张量的元组时，调用每个张量的.to(device)。
创建一个可以支持此功能的数据
浏览 2提问于2019-05-28得票数 7
2回答
我为我对火把的基本知识表示歉意，但是这个问题困扰了我一段时间。
假设我有一个形状的火炬张量u (8,8,1)，例如
u = tensor([[0.0000, 0.1429, 0.2857, 0.4286, 0.5714, 0.7143, 0.8571, 1.0000],
[0.0000, 0.1429, 0.2886, 0.4470, 0.5896, 0.7171, 0.8571, 1.0000],
[0.0000, 0.1446, 0.3182, 0.4934, 0.6302, 0.7424, 0.8588, 1.0000],
[0.0000, 0.1470, 0.3154, 0.4734,
浏览 6提问于2022-04-01得票数 0
我有一个具有[n1, n2, n3]形状的火炬张量。我需要做形状[n1, n2, n3, 1]。
所以我知道我可以使用解压或者查看。在这种情况下，每个人会做什么有区别吗？
浏览 0提问于2022-05-10得票数 1
1回答
我有如下所示的火炬张量列表
tensor([[[-1.8510e-01, 1.3181e-01, 3.2903e-01, ..., 1.9867e-01,
5.1037e-03, 6.4071e-03],
[-4.6331e-01, 2.0216e-01, 2.7916e-01, ..., 2.6695e-01,
-1.3543e-02, 5.3604e-02],
[-3.8719e-01, 2.9603e-01, 2.5516e-01, ..., 1.7509e-01,
浏览 1提问于2022-11-03得票数 -1
回答已采纳
2回答
用数组索引火炬张量
、、、、
我有以下火炬张量：
tensor([[-0.2, 0.3],
[-0.5, 0.1],
[-0.4, 0.2]])
和下面的numpy数组：(如果有必要，我可以将它转换为其他的东西)
[1 0 1]
我想得到以下张量：
tensor([0.3, -0.5, 0.2])
也就是说，我希望numpy数组对张量的每个子元素进行索引。最好不用循环。
提前感谢
浏览 7提问于2020-04-19得票数 4
回答已采纳
5回答
假设有一个火炬张量，例如具有以下形状：
x = torch.rand(20, 1, 120, 120)
我现在想要的是，得到每个120x120矩阵的最大值的指数。为了简化这个问题，我首先使用x.squeeze()来处理shape [20, 120, 120]。然后，我想得到火炬张量，这是一个指数与形状[20, 2]的列表。
我怎么能这么快？
浏览 3提问于2018-11-08得票数 24
回答已采纳
我有一个形状的火炬张量(32,100，50)和另一个形状的火炬张量(32,100)。分别叫A和B。我想把A和B相乘，这样A[i, j, :]上的50个元素中的每一个都被B[i, j]乘以，i.e.like用标量相乘一个向量。我怎样才能通过广播规则做到这一点？
浏览 1提问于2022-02-20得票数 1
1回答
我是PyTorch的新手。TensorFlow有一个API tf.cast()和tf.shape()。tf.cast在TensorFlow中有特定的用途，火炬中是否有类似的东西？我有张量x=张量(形状(128，64，32，32))：tf.shape(x)创建维数1的张量，x.shape创建真维数。我需要在火炬中使用tf.shape(x)。
tf.cast有一个不同的作用，不仅仅是改变torch中的张量类型。
有谁在火炬/火炬中有类似的API吗？
浏览 4提问于2019-12-02得票数 8
回答已采纳
在Theano中，当具有A，B，C形状的三维张量x和C，D形状的二维张量y时，theano.tensor.dot(x, y)返回A，B，D形状的三维张量。
“火炬”中的等效操作是什么？torch.dot似乎不这样做，x * y和torch.mm抱怨说，他们想要两个参数的2D张量，而torch.bmm则需要两个参数的3D张量。
浏览 8提问于2016-03-16得票数 1
回答已采纳
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
我有一个火炬张量形状，torch.Size(1,16384，3)，我希望它是torch.Size(1,128,128，3)。 我该怎么做呢？
浏览 106提问于2021-07-13得票数 0
回答已采纳
1回答
执行LuaJIT ffi cdata 1和火炬张量2之间转换的最佳方法是什么。
根据Mike在lua用户邮件列表3中的答复，如果我们真的想将cdata转换为lua平原表，我们必须做一个循环来将每个条目复制到一个新创建的条目中。实际上，火炬张量提供了更好的LuaJIT ffi访问4的接口。所以，我目前的解决方案是先做一个循环，然后将cdata转换成lua平原表，然后调用张量构造函数，从表5创建张量。
但实际上，在我的情况下，我需要做类似的转换之间的LuaJIT ffi cdata和火炬张量非常频繁，有没有更好的方法，而不是循环复制？
(Creating cdata Objects组)
浏览 6提问于2016-05-22得票数 1
回答已采纳
如果有一个3×3的火炬张量，我怎么能用火炬把它转换成3x1x3张量呢？
从3x3张量开始。
tensor([[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]])
..。我想把它转换成3x1x3张量
tensor([[[1., 1., 1.]],
[[1., 1., 1.]],
[[1., 1., 1.]]])
我怎么能在火炬上做到这一点？我知道通过这样的索引可以做到.
torch.ones(3, 3)[:, None, :]，但是我需要单独用火炬和火炬来做这件事。
我试过用这条线..。
torc
浏览 5提问于2022-08-21得票数 1
3回答
给定火炬中的一维张量(torch.Tensor)，其中包含可以比较的值(例如浮点)，我们如何提取该张量中顶部k值的指数？
除了蛮力方法，我正在寻找一些API调用，火炬/lua提供的，它可以有效地执行这项任务。
浏览 6提问于2016-01-12得票数 9
回答已采纳
1回答
对于形状为(15, 10 )的布尔张量，我希望沿轴0执行bitwise_or，以便得到的张量为10。torch.bitwise_or不支持这一点。
我知道它可以在numpy中使用np.bitwise_or.reduce(x,axis=0)完成。我在火炬里没有发现类似的东西。如何减少火炬张量？
浏览 3提问于2021-07-30得票数 1
回答已采纳
给予火炬张量：
# example tensor size 2 x 4
a = torch.Tensor([[1, 2, 3, 4], [5, 6, 7, 8]])
另一种情况是，每n行重复：
# example tensor size 4 x 3 where every 2 rows repeated
b = torch.Tensor([[1, 2, 3], [4, 5, 6], [1, 2, 3], [4, 5, 6]])
如何执行矩阵乘法：
>>> torch.mm(a, b)
tensor([[ 28., 38., 48.],
[ 68., 94
浏览 2提问于2021-05-12得票数 2
回答已采纳
我使用的是2017/18年度编写的代码库，我发现了以下代码：
audio_norm = audio_norm.unsqueeze(0)
audio_norm = torch.autograd.Variable(audio_norm, requires_grad=False)
我知道，Variable中的包装张量以前允许将它们的梯度合并到火炬以前版本的计算图中(现在不再需要)，但我不知道在torch.autograd.Variable(my_tensor, requires_grad=False)中包装张量的效用是什么。
有人能解释一下，这是否是一个成语，以及类似的现代火炬代码会是什么？我猜是在
浏览 7提问于2022-05-04得票数 1
回答已采纳
1回答
我有一个批号N的张量。
t = [[...], [....], [....] .... ]
在第二张量指数中，我在每个张量中有N个元素的指数。
indices = [i0, i1, i2 .... ]
因此，我希望通过以下方式从t0创建t：
t0 = [[ set X at i0 ], [ set X at i1 ], [ set X at i2 ] .... ]
我怎么才能在火炬上做到这一点？
浏览 4提问于2022-01-19得票数 0
回答已采纳
1回答
如何不破坏模型输出的可微性？
、、、、
我有一个自回归语言模型，它生成文本，这是一个句子的集合，给定一个输入：
output_text = ["sentence_1. sentence_2. sentence_3. sentence_4."]
注意，语言模型的输出是logits (词汇表上的概率)，可以转换为令牌IDS或字符串。
这些句子中的一些需要进入另一种模式，以获得只会影响到这些句子的损失：
loss1 = model2("sentence_2")
loss2 = model2("sentence_4")
loss_total = loss1+loss2
在不破坏可微性的情况下，
浏览 5提问于2022-05-24得票数 1
1回答
我试图在张量中得到最上面的N个元素。我有一个映射，它告诉我如何排序张量值。
values_mapping = {1: 12, 3: 1, 4: 2, 2: 34, 12: 3}
tensor = torch.tensor([1, 4, 12, 2])
tensor.topk(3)
这里的结果应该是torch.tensor([1, 12, 2])，即使用values_mapping映射它们之后的最高值。
有没有办法用手电筒这样做？我们能告诉火炬如何排序它得到的价值吗？
浏览 3提问于2022-04-20得票数 -1
1回答
火炬中的列选择是可微的吗？例如，如果我想从每一行中选择一个列来生成一个新的列X1数组，然后使用这个新数组作为背景，背景是否正常工作？
qvalues = qvalues[range(5),[0,1,0,1,0]]
如果像上面所示的从5*2张量中进行元素选择？
浏览 0提问于2018-07-16得票数 7
我想创建一个像这样的张量 tensor([[[1,0,0],[0,1,0],[0,0,1]],[[2,0,0],[0,2,0],[0,0,2]]]]) 也就是说，当给定一个大小为(1，n)的火炬张量B时，我想创建一个大小为(n,3,3)的火炬张量A，使得Ai是一个Bi *(大小为3x3的单位矩阵)。 如果不使用'for句子‘，我该如何创建它？
浏览 11提问于2019-12-27得票数 1
回答已采纳
假设我有一个张量，利用torch.topk函数得到张量的最大k元及其指数。类似于下面的代码
>>> x = torch.arange(1., 6.)
>>> x
tensor([ 1., 2., 3., 4., 5.])
>>> torch.topk(x, 3)
torch.return_types.topk(values=tensor([5., 4., 3.]), indices=tensor([4, 3, 2]))
现在，假设我想将上面的最大k元素设置为0，但是保持它们在原始张量中的相同位置。我怎么能这么做？
如果k =3，那么
浏览 19提问于2022-11-25得票数 0
我将PyTorch Tensor转换为NumPy ndarray，如下所示，'a‘和'b’都有不同的I，因此它们指向不同的内存位置。
我知道在PyTorch中下划线表示就地操作，这样a.add_(1)就不会改变a的内存位置，但是为什么它会更改数组b的内容(由于id的不同)？
import torch
a = torch.ones(5)
b = a.numpy()
a.add_(1)
print(id(a), id(b))
print(a)
print(b)
结果：
139851293933696 139851293925904
tensor([2., 2., 2., 2.,
浏览 4提问于2021-06-21得票数 1
回答已采纳
1回答
有一个函数可用于导出numpy中两个张量的联合，如下所示：
import torch
import numpy as np
a = torch.tensor([0, 1, 2])
b = torch.tensor([2, 3, 4])
c = np.union1d(a, b) # c = array([0, 1, 2, 3, 4])
c = torch.from_numpy(c) # c = torch.tensor([0, 1, 2, 3, 4])
但是，我正在寻找torch函数，它可以直接用于两个张量。如果像上面一样使用numpy函数，则必须将结果从numpy转换为torch，并且必须使用
浏览 2提问于2022-10-07得票数 1
回答已采纳
1回答
在火炬上垫一个张量
、、、、
我有一个100x100像素的图像在火炬张量，我想实现一个“放大”转换。如何使用火炬工具箱(或其他)实现这一点？
我已经通过简单地使用image.crop和image.resize实现了“放大”。
在Matlab中，我将计算图像的平均灰度，用该颜色填充数组n个像素(保持原始图像为中心)，然后将大小调整到100×100像素。手电筒的“垫张”功能？
谢谢!
浏览 3提问于2015-12-15得票数 1
回答已采纳
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
1回答
给定一个一维张量：
A = torch.tensor([1, 2, 3, 4])
假设我们有一些“索引器张量”
ind1 = torch.tensor([3, 0, 1])
ind2 = torch.tensor([[3, 0], [1, 2]])
当我们运行A[ind1] & A[ind2]时
结果表明，tensor([4, 1, 2]) & tensor([[4, 1],[2, 3]])与索引张量(ind1和ind2)的形状相同，其值由张量A映射而来。
我想问如何在高维张量上索引
目前我有一个解决方案
对于IND张量A，假设我们有索引器张量IND，IND类似于[[i11,
浏览 2提问于2022-02-05得票数 0
回答已采纳
2回答
A和b是火炬张量，不重复元素a形状为n,2类似：
[[1,2]
[2,3]
[4,6]
...]
B主义，2如：
[[1,2]
[4,6]
....
]
如何在a中获取b的索引，例如：
a = [[1,2]
[2,4]
[6,7]
]
b = [[1,2]
[6,7]]
索引应该是(0,3)，我们可以使用gpu，
浏览 3提问于2020-05-27得票数 2
回答已采纳
火炬中LSTM的输出：
给出了输入作为压缩序列(birectional )，然后根据加法，只对output进行压缩，h_n、c_n作为张量返回。在将pad_packed_sequence函数应用于output解压缩后，如何得到隐态作为张量？我在某个地方看到了这样的代码：pad_packed_sequence(output)[0]，为什么我们必须在这里取0索引？另外，对于最后一个隐藏状态和单元格状态，我使用h_n[0],h_n[1]和c_n[0],c_n[1]获得张量。在这种情况下，执行0和1索引以获得前向和后向隐藏和单元格状态。我不明白output的0索引，为什么h_n和c_n也不返回为带标
浏览 3提问于2021-06-23得票数 0
回答已采纳
1回答
我希望在某个索引上连接2个火炬张量。例如，我想在a1后面添加b。
a = torch.Tensor([1, 2, 3, 4, 5])
b = torch.Tensor([6, 7, 8, 9, 10])
所需的输出为
torch.Tensor([1, 2, 6, 7, 8, 9, 10, 3, 4, 5])
我试过torch.cat，但我只能
tensor([ 6., 7., 8., 9., 10., 1., 2., 3., 4., 5.])
tensor([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.])
浏览 3提问于2021-04-14得票数 0
在火炬文档中，交叉熵损失是这样说的：
输入必须是尺寸的张量(小批，C)
这是否意味着对于二进制(0,1)预测，输入必须转换为(N,2)张量，其中第二维等于(1-p)？
因此，例如，如果我预测一个类的目标1 (true)为0.75，是否需要将两个值(0.75；0.25)叠加在一起作为输入？
浏览 0提问于2018-08-18得票数 3
1回答
火炬中的view()和Numpy中的reshape()相似吗？
view()被应用于火炬张量以改变它们的形状，而reshape()是改变射线形状的一个numpy函数。
浏览 0提问于2018-08-08得票数 5
回答已采纳
TL；DR:是否有一种方法可以删除火炬张量视图中的一行或列而不创建底层数据的副本？
背景：从形状(2000,10000)的基本张量(样本、特征)开始(大约90 of )，我想为每个功能创建一个新视图的两个元组，包括带有形状(2000,1)的单一特征训练目标和包含其余特征的(2000,9999)形状的训练输入。
由于我想为每个特性(10k)训练一个相当简单的模型，并且尽可能多地并行地使用这些数据，所以我希望并行地提供这些数据，但是我的内存不允许这样做，除非输入张量是视图。
虽然切片可以创建视图，并且可以很容易地用于目标，但到目前为止，我还没有找到可以用于输入的切片或函数。创建两个切片并再次连接它
浏览 1提问于2020-07-15得票数 0
回答已采纳
我有一个形状为(x, n)的火炬张量a和另一个形状为y <= x的张量b。b的每一列都包含a的一系列行索引，我想要做的是用b以某种方式对a进行索引，这样我就可以获得一个形状为(y, n)的张量，其中第i列包含a[:, i][b[:, i]] (不太确定这是否是正确的表达方式)。 下面是一个示例(其中x = 5，y =3，n = 4)： import torch
a = torch.Tensor(
[[0.1, 0.2, 0.3, 0.4],
[0.6, 0.7, 0.8, 0.9],
[1.1, 1.2, 1.3, 1.4],
[1.6, 1.7
浏览 15提问于2019-04-26得票数 0
1回答
如何分割每一行的二维火炬张量？
、、、、
我有一个2D张量，我想切分：
x = torch.rand((3, 5))
在这个例子中，张量有3行，我想切片x，创建一个新的张量y，它也有3行和num_col cols。
对我来说，最具挑战性的是，我想在每一行中分割不同的列。我只有x、num_cols和idx，这是一个张量，用来保存从何处开始的索引。
我拥有的是num_cols=2，idx=[1,2,3]和
x=torch.arange(15).reshape((3,-1)) =
tensor([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12,
浏览 9提问于2022-03-10得票数 0
1回答
如何从C中读取火炬张量
、、、、
我必须使用Torch框架训练卷积神经网络，然后用C编写相同的网络。为此，我必须从C程序中以某种方式读取网络的学习参数，但我无法找到一种方法将火炬张量转换或写入文件，以使其在C中可读。理想情况下，我希望将张量转换为C中的double数组。
有人知道怎么做吗？(预先谢谢:)
浏览 2提问于2015-05-05得票数 1
回答已采纳
我想将一个元素从培训列表移到验证列表中。如果没有火炬张量，该方法可以工作，如以下示例所示：
test = [[2,1],[3,2],[4,4],[5,67]]
element = test[2]
test.remove(element)
print(test)
Out: [[2, 1], [3, 2], [5, 67]]
我现在的问题是，当我用张量列表从train_data到validation_data时，为什么它不起作用？有什么办法让它起作用吗？在转换成张量之前，我最终可以这样做，但我更喜欢之后。
我从train_data获得的一个元素有一个维度：1 64 3 1080 1920
我得
浏览 9提问于2021-12-07得票数 0
回答已采纳
1回答
有没有办法批量获得火炬张量的直方图？ 例如:X是形状(64, 224, 224)的张量 # x will have shape of (64, 256)
x = batch_histogram(x, bins=256, min=0, max=255)
浏览 32提问于2021-10-03得票数 2
1回答
亲爱的社区，我对PyTorch中的张量索引有一个挑战。问题很简单。给定一个张量，创建一个索引张量来索引每列的最大值。
x = T.tensor([[0, 3, 0, 5, 9, 8, 2, 0],
[0, 4, 9, 6, 7, 9, 1, 0]])
考虑到这个张量，我想构建一个布尔掩码，用于索引每个colum的最大值。具体来说，我不需要它的最大值torch.max(x, dim=0)，也不需要它的索引torch.argmax(x, dim=0)，而是基于这个张量最大值索引其他张量的布尔掩码。我的理想输出是：
# Input tensor
x
tensor([[0
浏览 1提问于2022-06-15得票数 0
回答已采纳
1回答
我正在寻找一种简单的方法，将大小为(2,8)的火炬张量(2，8)重塑为大小为y (4,4)的张量y，从而使x中的大小(1,4)块在y中变成大小(2,2)块。下面是x和y应该是什么样子的例子：
x：
[ 0，1，2，3，4，5，6，7，
8、9、10、11、12、13、14、15]
是：
[ 0.，1.，4.，5.
2. 3. 6. 7.
8. 9. 12. 13.
10.、11.、14.、15.]
我已经试过调查现有的火炬功能，但还没有找到合适的。有没有一种简单的方法来进行这种张量的重塑？
浏览 12提问于2022-09-08得票数 1
1回答
我已经读过一些关于lua/torch中的“数组”的教程，我看到的只是张量这个词。他们到底是什么？如何初始化2d“张量”？我试过torch.Tensor{1,2,3}，它给了我
1
2
3
在八度/MATLAB中类似于torch.Tensor{1,2,3;4,5,6}，但这给了我另一个列向量
1
2
3
4
5
6
怎样才能得到如下的2d“张量”？
1 2 3
4 5 6
另外，我用火炬来执行我的lua文件。除了“张量”之外，是否没有其他数组表示法?也就是说，我们是否没有其他方法来表示火炬中的矩阵？
浏览 1提问于2016-05-30得票数 0
回答已采纳
给定numpy (或Py手电筒)中的二维张量，我可以一次将所有维度分割成以下部分：
>>> import numpy as np
>>> a = np.arange(2*3).reshape(2,3)
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> a[1:,1:]
array([[ 5, 6, 7],
[ 9, 10, 11]])
如果我不知道实现时的维数，那么无论张量中的维数如何，如何实现相同的切片模式？(我
浏览 0提问于2019-06-10得票数 3
回答已采纳
我试图通过一个索引矩阵来访问一个火炬张量，最近我发现了这个代码，我找不到为什么它不起作用的原因。
下面的代码分为两部分。上半场证明是有效的，而第二次旅行则是错误的。我不明白为什么。有人能解释一下这件事吗？
import torch
import numpy as np
a = torch.rand(32, 16)
m, n = a.shape
xx, yy = np.meshgrid(np.arange(m), np.arange(m))
result = a[xx] # WORKS for a torch.tensor of size M >= 32. It doesn'
浏览 20提问于2022-02-18得票数 3
回答已采纳
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
