, 1.0000])
tensor([0.0000, 0.2000, 0.4000, 0.6000, 0.8000, 1.0000, 1.2000]) 这种差异在arange(0.0,1.1,0.1)中也会发生，但在arange(0.0,1.5,0.5)中没有差异。为什么看似相似的代码会产生不同的结果，我如何预测这种情况何时会发生？
浏览 27提问于2021-09-14得票数 2
回答已采纳
在Pytorch中，代码：结果是：
其中1* 3 = 1，1，1，但我不明白1*3之前的*，它的意思是什么？
浏览 1提问于2022-02-15得票数 0
回答已采纳
我遵循本教程：实现变压器模型从“注意是您需要的一切”的论文。但是，我得到了以下错误: RuntimeError："exp“不是为'torch.LongTensor‘实现的div_term = torch.exp(torch.arange(0, d_model, 2) * -(math.log(10000.0) / d_model))pe = PositionalEncoding(20,我甚至
浏览 0提问于2018-10-22得票数 16
回答已采纳
2回答
我试图从生成器构造张量，如下所示：Traceback (most recent call last):RuntimeError: Could not infer dtype of generator>>> torch.tensor([i**2 for i in range(10)])
tensor([ 0, 1, 4, 9, 16, 2
浏览 1提问于2019-03-22得票数 10
回答已采纳
1回答
我有张量a = torch.arange(6).reshape(2,3)和另一个张量b=(torch.rand(a.size())> 0.5).int().nonzero()。我想要创建一个新的张量，它只包含由a表示的b索引的值。例如： #：我知道我可以迭代b的值，并以索引
浏览 4提问于2022-05-07得票数 1
我在PyTorch的padding layers上练习。 1d和2d反射填充效果很好。 当我尝试运行3d填充中给出的示例时，出现了标题中给出的错误。m = nn.ReflectionPad3d(1)m(input)此错误的原因可能是什么？
浏览 94提问于2021-07-27得票数 1
回答已采纳
给定一个具有权重θ和输入x的神经网络，我感兴趣的是计算神经网络输出w.r.t的偏导数。x，这样我就可以在训练权重θ时使用结果，该损失取决于输出和输出的偏导数。我还发现this post这就解释了如何使用渐近来实现类似的东西，然而，将其适应pytorch中的神经网络上下文似乎是一项巨大的工作，并且对于非常慢的代码来说是一种累加。因此，我尝试了一些不同的方法，但失败了。为了简单起见，我创建了一个仅依赖于导数的</
浏览 57提问于2021-02-24得票数 1
回答已采纳
2回答
我正在计算(50500,)大小向量之间的巨大外积，发现NumPy是(多？)这样做比PyTorch更快。np.outer(a, b) In [76]: t2 = t1.clone()
7.73s ±
浏览 2提问于2019-01-25得票数 3
1回答
我试图更好地理解就地操作在PyTorch自动升级中的作用。我的理解是，它们可能会导致问题，因为它们可能会覆盖退一步所需的值。我使用赋值作为就地操作(我尝试了+=并得到了相同的结果)，我用这种方式重复检查了它是一个就地操作：没有就地操作的：
x = torch.arange(5, dtype=torch.float, requi
浏览 4提问于2020-03-31得票数 4
回答已采纳
128, 3, 32, 32))for i in range(len(y)):可以用类似于数组切片的方法替换
浏览 2提问于2022-03-15得票数 3
我想在pytorch中创建一个类似于torch.linspace或torch.arange的一维张量，以确保创建的张量的所有值都在start和stop之间。torch.tensor(9.5367e-07) arange解决方案也不能： >>> step = (stop - start) / (num_samples - 1)
>>> result_tensor = torch.arangenum_samples, dtype
浏览 11提问于2019-12-15得票数 1
我试图用Pytorch实现一个Transformer模型，并用来自的示例进行实验，该示例从链接而来，但在PositionalEncoding类中遇到了问题，在model.py中也发现了问题。_() position = torch.arange(0, max_len, dtype=torch.float).unsqueeze(1)
浏览 1提问于2020-03-20得票数 1
3回答
我的目标是提取pytorch张量的维度，其索引不在给定的列表中。我想使用广播来做如下所示： Sim = torch.rand((5, 5))a = torch.arange(Sim.size(0)) not in samples_idx
result = Sim[a] 我假设a是一个维度为5的True/Flase张量
浏览 85提问于2021-10-20得票数 0
回答已采纳
我有两个Pytorch张量，a和b，形状分别为(S, M)和(S, M, H)。M是我的批次维度。我想把这两个张量相乘求和，这样输出的形状就是(M, H)。也就是说，我想计算a[s] * b[s]的s上的和。例如，对于S=2、M=2、H=3>>> S, M, H = 2, 2, 3tensor((M), torch
浏览 22提问于2021-03-05得票数 0
回答已采纳
我试图将自定义的PyTorch模型导出到ONNX以执行推理，但没有成功.这里的棘手之处在于，我试图使用基于脚本的导出程序，如示例中所示，以便从我的模型中调用一个函数。我试图找出造成这个问题的根本原因，它似乎是通过在以下函数中使用torch.matmul()而产生的(非常讨厌的原因是，我试图只使用pytorch操作符)：def valid_sequence_outputtorch.
浏览 9提问于2021-03-18得票数 1
我正在尝试将Keras模型转换为PyTorch。现在，它涉及来自keras的keras。当我在pytorch中使用torch.nn.UpsamplingNearest2d时，由于UpSampling2D在keras中的默认值是nearest，因此得到了不同的不一致结果。例子如下：In [3]: t1 = tf.random_normal([32, 8, 8, 512]) # as we have channels last in ke
浏览 17提问于2022-03-23得票数 1
回答已采纳
3回答
我如何有效地创建一个形状为(2**N, N)的矩阵，其中所有长度为N的二进制向量都是它的行？我称之为向量二进制当它的每个分量都等于0或1。我希望矩阵有dtype=torch.float。
浏览 24提问于2019-11-13得票数 0
回答已采纳
我在使用python或torch.sum时得到了相同的结果，那么为什么torch实现了sum函数呢？他们之间有什么区别吗？
浏览 0提问于2019-03-18得票数 2
回答已采纳
在Transformers库中，我使用LongformerModel, LongformerTokenizerFast, LongformerConfig (它们都使用from_pretrained(当我这样做的时候 longformer(input_ids, attention_mask=attention_mask, token_type_ids=token_type_ids) 我得到这样一个错误scale_grad_by_freq, sparse) 1726
IndexError: index out of range in
浏览 79提问于2021-08-27得票数 0
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
