如何对总和进行矢量化？张量[i，：]+ tensor[i]
矢量化是一种优化技术，可以将循环操作转化为矩阵或向量运算，从而提高计算效率。在处理大规模数据或复杂计算时，矢量化可以显著减少运行时间。
对于给定的张量张量[i,:]和tensor[i]，可以使用矢量化操作对它们进行相加。矢量化操作可以通过广播机制实现，它会自动将较小的张量扩展到与较大的张量具有相同的维度，并进行逐元素运算。
具体步骤如下：
- 首先，确保张量
张量[i,:]和tensor[i]具有相同的维度。 - 如果张量
张量[i,:]的维度较小，可以使用unsqueeze函数来扩展维度，使其与tensor[i]的维度相同。 - 使用
+运算符对两个张量进行相加，即张量[i,:] + tensor[i]。 - 矢量化操作会自动对两个张量进行逐元素相加，得到结果。
矢量化操作的优势是可以提高运算效率，尤其是在处理大规模数据时。它能够利用底层硬件的并行计算能力，减少了循环的开销，从而加快了计算速度。
应用场景： 矢量化操作在许多领域都有应用，尤其是在科学计算、机器学习和数据分析等领域。例如，在图像处理中，可以使用矢量化操作对像素进行运算；在机器学习中，可以使用矢量化操作对模型参数进行更新；在数据分析中，可以使用矢量化操作对数据进行统计和处理。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云云服务器（CVM）：提供高性能的云服务器实例，满足各种计算需求。链接地址：https://cloud.tencent.com/product/cvm
- 腾讯云弹性MapReduce（EMR）：基于Hadoop和Spark的大数据处理和分析平台，支持矢量化操作。链接地址：https://cloud.tencent.com/product/emr
- 腾讯云人工智能（AI）服务：提供丰富的人工智能服务，包括图像识别、语音识别、自然语言处理等，可以应用于矢量化操作相关的任务。链接地址：https://cloud.tencent.com/product/ai
相关·内容
1回答
我是tensorflow的新手，我想用一些如果-否则的条件来做张量。我只是不知道该怎么做。
在python中，如果张量类似于[3,3,3]，我可以使用for循环，如下所示：
for i in range(3):
for j in range(3):
for k in range(3):
if tensor[i,j,k]>10:
tensor[i,j,k]=tensor[i,j,k]-10
elif tensor[i,j,k]<4:
tensor[i,j,k]=tensor[i,j,
浏览 3提问于2018-02-05得票数 2
回答已采纳
我有两个一维张量
a = tensor([1, 2])
b = tensor([3, 4, 5])
我想要计算自定义操作成对矩阵，例如
"a + b“--将a中的每个元素添加到b的每个元素中
tensor([4, 5, 6], [5, 6, 7])
"a / b“-将a中的每个元素除以b中的每个元素
tensor([1/3, 1/4, 1/5], [2/3, 2/4, 2/5])
在没有循环的情况下，能有效地做到这一点吗？
浏览 5提问于2022-01-10得票数 0
1回答
我有一个大小为(1000,110)的张量数据，我想迭代张量的第一个索引，并计算以下内容。
data = torch.randn(size=(1000,110)).to(device)
male_poor = torch.tensor(0).float().to(device)
male_rich = torch.tensor(0).float().to(device)
female_poor = torch.tensor(0).float().to(device)
female_rich = torch.tensor(0).float
浏览 14提问于2021-05-19得票数 0
回答已采纳
我一直在通读PyTorch文档，并且一直在尝试弄清楚MSELoss和autograd。我尝试创建一个非常简单的训练循环，它接受两个随机张量，并更新每个张量中的值，以便tensor1中的所有值和tensor2中的所有值的总和等于某个目标值。在我的示例中，我使用了100。下面是我是如何实现的：
import torch.nn as nn
import torch
import torch.optim as optim
loss = nn.MSELoss()
tensor1 = torch.randn(3, 5, requires_grad=True)
tensor2 = torch.randn(
浏览 15提问于2019-11-07得票数 0
回答已采纳
假设我有两个张量：
a=Tensor("zeros_3:0", shape=(2, 4, 5), dtype=float32)
b=Tensor("ones_3:0", shape=(2, 3, 5), dtype=float32)
如何用嵌套的(2,3,4,10)或其他tf函数将每个元素沿轴2连接起来得到一个新的张量形状的map_fn？
这是我的for循环版本
concat_list = []
for i in range(a.get_shape()[1]):
for j in range(b.get_s
浏览 0提问于2019-04-07得票数 1
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
我有一个关于tf的map函数的问题。我在使用这个函数时遇到了奇怪的行为。如果我按照手册中的说明进行操作
label_tensor # shape [150, 1]
y = tf.map_fun(lambda x: x*x, label_tensor)
# returns y as a tensor with label_tensor x^2
然而，如果我想实现我自己的函数，它似乎不起作用。它总是将一个张量传递给指定的函数，而不是用来处理张量的。
y = tf.map_fn(special_fun, label_tensor)
def special_fun(key):
return
浏览 55提问于2018-09-10得票数 3
回答已采纳
我想用一个3-D Eigen::Tensor替换代码中的一个矩阵序列。考虑到这一点，我试着比较张量和矩阵的性能。
下面的函数"tensorContractTest“执行(n，n，n)秩3张量的收缩，其中秩1张量的大小为n (n = 500)。此收缩计算n**2个点积，因此就运算数量而言，它等同于两个(n，n)矩阵的乘法(下面的函数"matrixProductTest“)。
在Visual Studio2013上运行时，函数"tensorContractTest“的运行速度比"matrixProductTest”慢约40倍。也许，我遗漏了一些东西。感谢您的帮助。
浏览 211提问于2018-01-05得票数 3
我有一个张量切片与所有图像和一个张量与其掩蔽图像。如何组合/连接/添加它们并使其成为单个张量数据集tf.data.dataset
# turning them into tensor data
val_img_data = tf.data.Dataset.from_tensor_slices(np.array(all_val_img))
val_mask_data = tf.data.Dataset.from_tensor_slices(np.array(all_val_mask))
然后，我将一个函数映射到路径，以使它们成为图像。
val_img_tensor = val_img_data.
浏览 22提问于2022-10-07得票数 1
回答已采纳
我编写了一些代码，迭代我的张量的形状，并在每个步骤中向张量添加一个值。问题是，对于大量的迭代(我需要大量的迭代)，它是缓慢的：
for i in range(0, num_samples):
for j in range(0, int(numTimeSteps.numpy())):
random_num = tf.squeeze(tf.random.normal([1], mean, std_dev, dtype=dtype))
tensor[i,j].assign(tf.math.add(random_num, estr[i,j]).numpy())
浏览 2提问于2021-07-09得票数 1
回答已采纳
1回答
我是PyTorch的新手，我来自函数式编程语言(地图函数在任何地方都被使用)。问题是，我有一个张量，我想对张量的每个元素做一些运算。操作可能是多种多样的，所以我需要这样一个函数：
map : (Numeric -> Numeric) -> Tensor -> Tensor
e.g. map(lambda x: x if x < 255 else -1, tensor) # the example is simple, but the lambda may be very complex
在PyTorch中有这样的函数吗？我应该如何实现这样的功能？
浏览 4提问于2021-03-03得票数 1
回答已采纳
在下面的图表中，我有两个不同的张量: tensor1和tensor2。
如何合并(级联)这两个张量，以便现在输入到LSTM：
(tensor1，tensor1，串联(tensor12，tensor2))？
浏览 1提问于2018-04-30得票数 2
回答已采纳
假设我有一个(batch_size, loss_dim)的2-D张量，我希望得到每个数据样本的每个损失维度的总和，这可以用tf.reduce_mean(tensor, axis=-1)完成。
但是，如果我的张量中有NaN值，并且我想在计算总和时简单地忽略这些nAN值，该怎么办？有人知道怎么做吗？
PS。我知道我们可以使用tf.boolean_mask过滤出can，但是如果我简单地执行tensor = tf.boolean_mask(tensor, tf.logical_not(tf.is_nan(tensor))，输出将被压缩到一个维度，这不是我想要的。
非常感谢!
浏览 1提问于2017-12-02得票数 3
1回答
我目前正在开发一个使用PyG的推荐系统。边的定义如下：
edge_index = tensor([[ 0, 0, 0, ..., 9315, 9317, 9317],
[ 100, 448, 452, ..., 452, 1, 307]], device='cuda:0')}
包含学生索引的edge_index[0]和包含连接模块索引的edge_index[1] (两者具有相同的长度)。因此，edge_index[0][i]是边缘i的源节点，edge_index[1][i]是边缘i的目的地。
在模型训练之后，我生成一个二维张量
浏览 11提问于2022-06-29得票数 2
回答已采纳
2回答
索引子集上的pytorch向量化
、、、、
我想向量化一个涉及到另一个张量的子集的操作。我不确定是否可以这样做，或者在这种情况下是否需要一个for循环。使用for循环的简化示例如下：
for i in range(1,result.shape[0]):
result[i,:] = other_tensor[ list_of_subset_indices[i], :].prod(axis=0)
"list_of_subset_indices“对象是一个索引列表，用于设置张量的子集。有什么方法可以移除i上的循环吗？
浏览 0提问于2021-09-03得票数 1
1回答
我试图用不同的数据集来平均两个结构相同的模型的张量。模型存储在ckpt文件中。
我试图查看从tensor2tensor，但不知道如何使用它。
我该如何解决这个问题？
from tensor2tensor.utils import avg_checkpoints
print(avg_checkpoints.checkpoint_exists("/"))
#I got true from console
#I have copied final ckpt from different model to the root file
avg_checkpoint.main(?)
#
浏览 3提问于2019-07-29得票数 1
回答已采纳
假设我有一个函数，它接收输入(给定维数)的张量，并在输出中返回另一个张量。我想在一批输入上使用这个函数，并希望它返回一批输出。所以输入和输出都有一个维度。
我可以编写一个tf.while_loop来对批处理中的所有输入执行我的函数，但是我不确定如何在批处理中存储单个元素的输出。我对如何做到这一点有一个想法，这也应该澄清我正在试图做什么，但我不确定这是否是最佳的。
batch = tf.random.uniform([4,3,2]) #batch of size 4 of (3,2) shaped tensors
output = tf.zeros([0,5]) #let's say t
浏览 3提问于2022-01-17得票数 2
我在尝试交换可变长度张量的元素时遇到了令人惊讶的困难。据我所知，分片赋值只支持变量，因此当运行以下代码时，我得到错误ValueError: Sliced assignment is only supported for variables。
def add_noise(tensor):
length = tf.size(tensor)
i = tf.random_uniform((), 0, length-2, dtype=tf.int32)
aux = tensor[i]
tensor = tensor[i].assign(tensor[i+1])
tensor = t
浏览 0提问于2018-08-07得票数 1
2回答
softmax应该应用于哪个维度？
这段代码：
%reset -f
import torch.nn as nn
import numpy as np
import torch
my_softmax = nn.Softmax(dim=-1)
mu, sigma = 0, 0.1 # mean and standard deviation
train_dataset = []
image = []
image_x = np.random.normal(mu, sigma, 24).reshape((3 , 4, 2))
train_dataset.append(image_x)
x =
浏览 1提问于2018-09-26得票数 5
回答已采纳
我正试图将下面的Pytorch循环矢量化。我会很高兴只是矢量化内的for-循环，但做整个批也是很棒的。
# B: the batch size
# N: the number of training examples
# dim: the dimension of each feature vector
# K: the number of discrete labels. each vector has a single label
# delta: margin for hinge loss
batch_data = torch.tensor(...) # Tensor of sha
浏览 4提问于2021-01-08得票数 5
回答已采纳
我知道如何在索引到它的一部分之后更新张量，如下所示：
import torch
b = torch.tensor([0, 1, 0, 1], dtype=torch.uint8)
b[b] = 2
b
# tensor([0, 2, 0, 2], dtype=torch.uint8)
但是有什么方法可以在索引两次之后更新原来的张量吗？例如。
i = 1
b = torch.tensor([0, 1, 0, 1], dtype=torch.uint8)
b[b][i] = 2
b
# tensor([0, 1, 0, 1], dtype=torch.uint8)
我想让b在最后成为tensor
浏览 0提问于2019-04-09得票数 2
回答已采纳
1回答
里面和外面的指纹有什么区别
、、、、
我正在学习tensorflow，它的版本在我的MacBook M1上是2.8.0。为了调试dataset映射函数中的代码，我希望在函数中打印张量值。
def function(i):
print("in: ", i)
if i < 2:
i = i - 1
return i
dataset = tf.data.Dataset.range(1, 6)
dataset = dataset.map(lambda x: tf.py_function(function, inp=[x], Tout=tf.int64))
for x in
浏览 5提问于2022-05-24得票数 0
回答已采纳
1回答
import torch
source = [torch.tensor([1, 2, 3]), torch.tensor([1, 2, 3, 4]), torch.tensor([1, 2, 3, 5, 6])]
source_len = [torch.tensor([3]), torch.tensor([4]), torch.tensor([5])]
source_txt = ["A B C", "A B C D", "A B C D E"]
target = [torch.tensor([1, 2, 3, 1]), torch.t
浏览 3提问于2022-05-18得票数 1
假设原来的张量在下面
tensor([[0.9950, 0.6175, 0.1253, 1.3536],
[0.1208, 0.4237, 1.1313, 0.9022],
[1.1995, 0.0699, 0.4396, 0.8043]])
我想根据1和元素之间的差异对张量进行排序，更接近于1的元素将在张量前面，所以排序的张量是
sorted_tensor([[ 0.9950, 1.3536, 0.6175, 0.1253],
[ 0.9022, 1.1313, 0.4237, 0.1208],
浏览 4提问于2022-07-20得票数 0
1回答
我想创建一个4x4张量，它由四个较小的2x2张量组成：
我想创造的张量：
in_t = torch.tensor([[14, 7, 6, 2],
[ 4, 8, 11, 1],
[ 3, 5, 9, 10],
[12, 15, 16, 13]])
我想建立由这四个小张量组成的张量：
a = torch.tensor([[14, 7], [ 4, 8]])
b = torch.tensor([[6, 2], [11, 1]])
c = torch.te
浏览 2提问于2022-03-05得票数 0
回答已采纳
我想用张量的形式来表示叠加矩阵。
tensor.shape == [2,5,7,6]
其中2和5是批的大小，
tensor2.shape == [5,6,8]
其中5是批次大小。
在numpy中，tensor2自动广播到2,5,7,6张量
所以我可以很容易地使用np.matmul(tensor,tensor2)
但在tensorflow中，会出现错误。
我试过tf.expand_dims(tensor2,0)，但这也不起作用
有什么办法在坦索弗洛广播张量吗？
浏览 5提问于2017-05-31得票数 2
回答已采纳
我正在处理一些代码，这些代码接受一个矩阵对象(假设它的行为为cv::Mat)，将其转换为张量，对我的模型进行前向传递，并将其转换回我的矩阵对象。然而，我有一个问题持续存在。也就是说，我生成的矩阵是结果的3x3网格。我测试了我的转换代码(矩阵到张量和背面)，只是通过这两个图像，并得到的图像是正确的。这让我相信，这是与向前通过如何创造你的输出张量？我应该如何使用输出张量来解决这个问题？
上下文代码
矩阵至张量：
int numel = rows * cols * depth;
assert(numel > 0);
tensor_image = torch::zeros({ rows, co
浏览 2提问于2021-04-28得票数 0
回答已采纳
我有一本包含张量键和张量值的字典。我想通过键访问这些值。
from torch import tensor
x = {tensor(0): [tensor(1)], tensor(1): [tensor(0)]}
for i in x.keys():
print(i, x[i])
返回：
tensor(0) [tensor(1)]
tensor(1) [tensor(0)]
但当我试图访问这些值而不遍历键时，
try:
print(x[tensor(0)])
except:
print(Exception)
print(x[0])
抛出异常：
KeyError
浏览 2提问于2020-03-26得票数 3
回答已采纳
1回答
我可以很容易地在python中使用tensorflow进行数学运算，比如reduce_sum或reduce_mean，如下所示
array = np.ndarray(shape=(2, 2, 3), buffer=np.array([[[1, 2, 3], [4, 5, 6]],
[[7, 8, 9], [10, 11, 12]]]),
dtype=int)
mean = tf.reduce_mean(array)
sum = tf.reduce_su
浏览 0提问于2018-03-30得票数 0
4回答
变分函数
、、、、
我正在尝试编写一个类来表示张量Tensor，并希望提供2维张量的语法tensor(i, j)，3维张量的tensor (i, j, k)等等。
我想知道的是，是否有一种c++类型安全的方法来声明这样的Tensor:operator()(int, int, ...)，它可以接受任意数量的int参数(除了带有宏va_start va_end的C样式之外)，以及如何在函数中使用这些参数。
耽误您时间，实在对不起。
浏览 9提问于2017-12-17得票数 1
1回答
我想把两个不同等级的张量相乘，例如：
tensor A -> (i x j x k x l)
tensor B -> (l x m)
来得到另一个具有这个维度的张量。
tensor C -> (i x j x k x m) = (i x j x k x l)*(l x m)
在tensorflow中，我必须一直进行整形，以获得如下输出
(A.reshape(-1,l)*B).reshape(i,j,k,m)
还有没有其他直接做这个的操作？
浏览 2提问于2017-05-31得票数 4
我对张量很陌生，并且对这个问题感到头疼：
我有一个大小为k的指数张量，其值介于0和k-1之间：
tensor([0,1,2,0])
以及以下矩阵：
tensor([[[0, 9],
[1, 8],
[2, 3],
[4, 9]]])
我想要创建一个新的张量，它包含索引中指定的行，按顺序排列。所以我想：
tensor([[[0, 9],
[1, 8],
[2, 3],
[0, 9]]])
在张量之外，我会或多或少地做这样的操作：
new_matrix = [matrix[i] for i in index]
如何在PyTorch中对张量
浏览 3提问于2021-03-31得票数 2
回答已采纳
1回答
我有一个为2d张量创建sort if热图的函数，但当使用更大的张量输入时，它的速度非常慢。我怎么才能让它更快更有效率呢？ import torch
import numpy as np
import matplotlib.pyplot as plt
def heatmap(
tensor: torch.Tensor,
) -> torch.Tensor:
assert tensor.dim() == 2
def color_tensor(x: torch.Tensor) -> torch.Tensor:
if x < 0:
浏览 21提问于2021-01-13得票数 1
回答已采纳
我想把张量从2，None，7，7,256到2，None，49,256的张量压平，操作如下：
import tensorflow as tf
tensor = tf.keras.backend.placeholder(shape=[2, None, 7, 7, 256], dtype=tf.float32)
reshaped_tensor = tf.reshape(tensor, ((tensor.shape[:2]) + (49, 256)))
然后我遇到了一个错误：
ValueError:试图将形状转换为张量，但失败了。错误:无法将部分已知的TensorShape转换为张量：(2，None
浏览 3提问于2020-07-21得票数 0
回答已采纳
1回答
tensor([[17, 0],
[93, 0],
[0, 0],
[21, 0],
[19, 0])
我想从这个张量中移除0，这是一个二维数组，并使它成为一维数组。
我如何使这个张量与下面的张量？
tensor([[17],
[93],
[0],
[21],
[19])
当使用下面的代码时，存在一个问题，即现有的零消失。我该怎么解决这个问题？
x = x.flatten()
x = x[x!=0]
x = np.reshape(x, ( -1, x.sha
浏览 2提问于2022-02-12得票数 1
回答已采纳
4回答
打印张量x给出：
>>> x = torch.tensor([3])
>>> print(x)
tensor([3])
索引x.data提供：
>>> x.data[0]
tensor(3)
如何才能得到一个正规的非张量值3？
浏览 3提问于2019-08-30得票数 86
回答已采纳
我需要通过对循环中的其他两个张量和索引调用一些函数fn来创建张量，如下所示：
tensor = [[fn(tensor1, tensor2, i, j) for i in range(3)] for j in range(4)]
不知道如何处理这个问题。以某种方式使用tf.map_fn？
浏览 1提问于2019-03-26得票数 0
回答已采纳
1回答
更改张量的某一列的值
、、、
我想用二维张量(批大小、序列长度、类数)覆盖三维张量(批大小、序列长度、类数)的某一列的值。在调试过程中，我尝试过在numpy上进行以下值赋值，并且工作非常好，但不确定如何在张量上做同样的工作。
Numpy Solution:
Tensor A shape [50,4,4]
Tensor B shape [50,4]
* A[:,:,0]=b[:,:]
Tensor A shape is [50,4,4]
Example:
A[1]:
[[0.2,0.6,0.1,0.02],
[0.3,0.4,0.5,0.12],
浏览 1提问于2018-11-26得票数 1
回答已采纳
1回答
火炬张量形状
、、、
关于两个不同张量的形状，我有一个简单的问题- tensor_1和tensor_2。
tensor_1.shape输出torch.Size([784, 1]);tensor_2.shape输出torch.Size([784]).
我知道第一个是第二个张量，而第二个是第一个。对我来说，很难概念化shape [784, 1]和[784]之间的区别。
认为tensor_1有784行和1列，每个地方都有一个标量，这是正确的吗？如果是这样的话，为什么我们不能简单地称它为列向量(实际上是秩-1张量)，它的值也是垂直显示的？
同样，第二张量([784])的形状可以想象为水平向量内的784个值吗？
浏览 0提问于2021-02-17得票数 4
我想计算一组Tensor (例如4张张量)之间的成对距离。每个矩阵都是二维张量。我不知道如何用矢量化格式来做这件事。我编写了以下sudo代码来确定我需要什么：
E.shape => [4,30,30]
sum = 0
for i in range(4):
for j in range(4):
res = calculate_distance(E[i],E[j]) # E[i] is one the 30*30 Tensor
sum = sum + reduce_sum(res)
这是我最后一次尝试：
x_ = tf.expand_dims
浏览 1提问于2018-01-15得票数 2
回答已采纳
1回答
使用NumPy或OpenCV应用掩码是一个相对简单的过程。但是，如果我需要在优化算法的损失计算中使用蒙面图像，我需要完全使用PyTorch，因为这样做会干扰梯度计算。假设我有一个图像张量[1, 512, 512, 3] (批处理、高度、宽度、通道)和掩码张量[1, 20, 512, 512] (批处理、通道、高度、宽度)，其中每个通道对应于20个分割类中的一个，我想要得到一个蒙面图像张量，它填充每个像素的黑色(0, 0, 0)，除了属于一个或多个指定分割类的那些。
下面是如何处理numpy的方法：
import numpy as np
import torch
# Create dummy
浏览 6提问于2021-08-25得票数 1
回答已采纳
我有一个张量列表： data = [tensor(0.1647),tensor(0.1662),tensor(0.1650),tensor(0.1645),tensor(0.1683),tensor(0.1683),tensor(0.1648),tensor(0.1694),tensor(0.5016),tensor(0.5059),tensor(0.5031),tensor(0.5069),tensor(1.0047),tensor(0.9966),tensor(0.4958),tensor(0.9984),tensor(0.1664),tensor(0.1725),tensor(0.50
浏览 21提问于2021-07-14得票数 1
回答已采纳
1回答
我很难理解张量是如何工作的，例如，我创建了一个包含零的张量。
Enhanced = tf.zeros((m, n))
我想用另一个张量"lr_ip“中的元素替换这些零，使用for循环：
m, n, c = lr_ip.shape
Enhanced = tf.zeros((m, n))
for k in range(c):
q = lr_ip[:, :, k]
for i in range(1, m+1):
for j in range(1, n+1):
qi = q[i-1:i+2, j-1:j+2]
p_
浏览 5提问于2022-10-05得票数 0
2回答
如何在Tensorflow.js中变异张量的值？例如，如果我有一个张量创建如下：const a = tf.tensor1d([1,2,3,4])
如何更改张量的第三个元素的值？我知道张量是不可变的，变量是可变的。
这样做：const a = tf.variable(tf.tensor1d([1,2,3,4]))似乎解决不了问题。我做不到：
const a = a[0].assign(5)
我可以在python 中这样做：
a = tf.Variable([1,2,3,4]) a = a[0].assign(100) with tf.Session() as sess: sess.run(
浏览 1提问于2018-04-12得票数 7
是否有一种方法可以根据指数张量和值张量有效地设置张量的值？
tensor_to_change = tensor([[-36.9127, -45.6596, -47.1595],
[-36.9409, -45.7024, -47.2050],
[-36.9865, -45.7665, -47.2711],
[-36.3202, -36.9561, -47.2066],
[-36.2929, -36.9333, -47.1702]]
tensor_of_indices = tensor([[0],
[0],
浏览 2提问于2022-07-20得票数 1
回答已采纳
我有一个普通形状(2,ncol)张量的集合。示例：
torch.tensor([[1, 2, 3, 7, 8], [3, 3, 1, 8, 7]], dtype=torch.long)
对于每个张量，我想确定，对于每一列[[a], [b]]，反列[[b], [a]]是否也在张量中。例如，在这种情况下，由于ncol是奇怪的，我可以立即说，情况并非如此。但在另一个例子中
torch.tensor([[1, 2, 3, 7, 8, 4], [3, 3, 1, 8, 7, 2]], dtype=torch.long)
实际上我得去检查一下。一个天真的解决方案是
test = torch.tensor(
浏览 4提问于2022-09-21得票数 1
回答已采纳
我想计算两个张量:一维张量[batch_size, value]和四维张量[batch_size, L, W, D]。 我想要执行的计算可以用下面的for循环表示： tensor1D = ... #shape = [batch_size, value]
tensor4D = ... #shape = [batch_size, L, W, D]
result = tensor4D
for i in range(batch_size):
result[i] = tensor1D[i] * tensor4D[i]
return result result是我想要计算的
浏览 61提问于2021-09-30得票数 0
我是TensorFlow的新手。我不能理解如何在TensorFlow中创建一个动态的"pythonic“列表。基本上，我在一个张量对象(train_data[i])上执行一些计算，并将其附加到一个“列表”X，我希望它是一个具有形状(100,)的张量
我想做这样的事情：
X = []
for i in range(100):
q = tf.log(train_data[i])
print(q) #Tensor("Log:0", shape=(), dtype=float32)
X.append(q)
我希望X是一个形状为(100,)的张量
浏览 4提问于2017-03-01得票数 10
回答已采纳
2回答
我有下面的张量，让我们称之为lookup_table
tensor([266, 103, 84, 12, 32, 34, 1, 523, 22, 136, 268, 432, 53, 63,
201, 51, 164, 69, 31, 42, 122, 131, 119, 36, 245, 60, 28, 81,
9, 114, 105, 3, 41, 86, 150, 79, 104, 120, 74, 420, 39, 427,
40, 59, 24, 126, 202, 222, 1
浏览 0提问于2021-09-17得票数 0
我有一个形状为(A，?，B，C)的张量T。我还有一个张量索引，我将其定义为I=tf.argmax(某种东西)。我想定义T(I，?，:，:)。当索引i不是张量对象而是整数时，操作T(I，：)效果很好。当我是tensor=tf.argmax的时候该怎么办？
浏览 0提问于2020-05-02得票数 1
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
