1回答
我正在构建一个序列到标签的分类器，其中输入数据是文本序列，输出标签是二进制的。该模型非常简单，只有GRU隐藏层和单词嵌入输入层。我的模型，只有最少的层： def __init__(self, weights_matrix, hidden_size, num_layers):, 60, num_layers=3, batch_first=True)
(out): Linear(in_features=60, ou
浏览 8提问于2020-03-05得票数 2
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</e
浏览 12提问于2022-02-17得票数 0
回答已采纳
1回答
在使用pytorch时，我可以使用numpy数组吗？
我正在将一段代码从tensorflow转换为pytorch，代码在计算过程中使用numpy数组。在计算过程中，我可以将输入保持为numpy数组吗?还是必须将它们转换为torch张量？
浏览 0提问于2021-07-13得票数 0
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</e
浏览 5提问于2020-06-21得票数 0
在Pytorch中，LSTM知道输入了3D数据。lstm_num:使用的LSTM数量(batch，dv_batch，dvector)在三维数据中。
浏览 3提问于2020-05-25得票数 0
我知道平衡极点的例子需要2个输出。以下是self.head的输出 x = Linear(in_features=512, out_features=2, bias=True)
当我运行的时候我从代码中的注释中了解到它正在返回: Returns tensor([left0exp，right0exp...])。但是，如何将torch.Size(121，32，2，8)的x缩减为大小为2的张量<
浏览 0提问于2020-06-28得票数 0
2回答
这是通常的单词嵌入。虽然我尝试过，但我不知道如何实现三维嵌入.你知道如何实现这样的数据吗？for chars in elm:上面的代码出现了一个错误，因为self.embedding的输出是Variable。你们知道更有效的方法吗？
浏览 5提问于2017-11-09得票数 8
回答已采纳
2回答
纵火线性法中的多维输入？
、、、
在构造一个简单的感知器神经网络时，我们通常将格式(batch_size,features)输入的2D矩阵传递给二维权矩阵，类似于中的这种简单的神经网络。我总是假设神经网络的感知器/密集/线性层只接受2D格式的输入，并输出另一个2D输出。但最近，我遇到了这样一个模型:线性层接受三维输入张量，并输出另一个三维张量(o1 = self.a1(x))。loss = criterion(o
浏览 3提问于2019-10-28得票数 3
回答已采纳
虽然这是一个典型的用例，但在通过RNN发送时，我找不到一个简单而明确的指南来说明在pytorch中计算填充小批量的损失的规范方法是什么。我认为一个规范的管道可能是： 1) pytorch RNN需要形状的填充批量张量：(max_seq_len，batch_size，emb_size) 2)所以我们给出一个嵌入层，例如这个张量： tensor嵌入层将使其成为
浏览 18提问于2019-12-12得票数 2
回答已采纳
1回答
我在Pytorch中创建了一个完全连接的网络，其中包含一个输入层的形状(1,784)和第一个隐藏层的shape (1,256)。给我torch.Size([128, 256])，而实际上，在大小为784的输入层和大小为256的隐藏层之间，我期待的</
浏览 9提问于2020-04-30得票数 0
回答已采纳
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
我试着学习PyTorch，并遇到了一个教程，其中CNN的定义如下， def __init__(self): x = self.linear_layers(x)我明白cnn_layers是如何制造的。我不明白为什么线性特性的数量是4*7*7。我知道4是最后一个Conv2d层的输出维。
7*7
浏览 1提问于2021-01-31得票数 1
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
我想知道如何做下面的代码，，但现在使用pytorch，其中dtype = torch.cuda.FloatTensor。这里有直接的python代码(使用numpy)：import random as randpop = 30y = x**2best = x[indexmin]
这是我的尝试出现以下
浏览 2提问于2017-11-13得票数 1
回答已采纳
假设我有两个张量S和T，定义如下：T = torch.ones((3,2,1))我想在批次之间连接所有可能的配对。批处理的单个串联会产生形状为(4, 1)的张量。有一些张量组合，所以最终得到的张量
浏览 3提问于2021-09-02得票数 3
1回答
我有两个张量的火把，这些形状： 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</e
浏览 5提问于2021-12-07得票数 0
回答已采纳
1回答
我有两个三维Pytorch张量，一个维度(8，1,1024)，另一个维度(8，59，77)。我想把这两个人相乘。 我知道它们不能在当前状态下相乘，所以我想迭代地将它们相乘，并附加到单个张量中。当我们迭代第二维时，第二个张量可以表示为(8，59，1)。在这种状态下，将其与形状的第一个张量(8，1,1024)相乘，得到形状(8，59,1024)的张量，最后将所有这77个输出附加到一个中
浏览 32提问于2020-11-22得票数 1
我用两个线性层对模型进行了精细的调整，代码如下所示。= self.relu(x) x = self.fc2(x)这是我的火车功能当我运行列车函数时，我得到了下面的错误，我尝试了32,256,512批大小。更新代码：-我尝试在CPU上运行代码，错误在矩阵形状不匹配。输入形状，在图像中打印self.bert后的</em
浏览 22提问于2021-07-14得票数 2
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
浏览 1提问于2020-10-15得票数 0
0.0127, 0.0144, -0.0400],给定另一个形状相同的张量，在这个例子中，为了说明，我创建了一个随机张量，但这可以是任何预先定义的张量。import torch注:我不是试图用随机张量来替换一个
浏览 34提问于2022-09-07得票数 1
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
云直播活动推荐
腾讯云开发者
