1回答
我有一个形状为(1, N, 1)的张量a。我需要沿着维度1左移张量，并添加一个新值作为替换。我已经找到了一种方法来让它工作，下面是代码。a.squeezec[-1] = 4# c = [[[2], [3], [4]]] 我的问题是，有没有更简单的方法来做到这一点？
浏览 43提问于2020-10-23得票数 3
回答已采纳
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：
这是否意味着使用PyTorch张量</e
浏览 2提问于2021-11-18得票数 3
回答已采纳
2回答
PyTorch张量
、、、
我是PyTorch的新手。谁能向我解释一下，为什么我们要在执行回归之前将数据帧转换为torch张量？(正如您所见，我已经拆分了数据集)。
浏览 16提问于2020-10-25得票数 0
我在计算损失的时候，有人建议我不要用梯度下降和权重矩阵来更新自己，而是使用pytorch .backward函数。我开始阅读这里的一些文档和帖子，介绍它是如何工作的，似乎它将计算火炬张量在函数调用中包含requires_grad=True的梯度。
因此，除非创建火炬张量，否则我无法使用.backward。
浏览 9提问于2022-07-20得票数 0
我已经搜索了使用列表或数组输入数据来训练DQN代码的代码。但我找不到任何密码。
目前，我参考了火炬强化学习教程(DQN)。但是，此代码使用图像输入数据。(我需要帮助解决我使用列表输入数据的研究。列表输入数据形状为1×9。)
浏览 3提问于2019-08-30得票数 0
回答已采纳
1回答
对火炬张量的迭代
、、、
什么是最好和最快的方式来迭代张量。令人费解的是，为什么我要得到张量而不是值。x in t]但却期望这样的行为t.numpy() ]如果可能的话，我宁愿不改做胖的？
浏览 2提问于2022-09-15得票数 2
回答已采纳
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
在Keras中，使用Flatten()层保留批处理大小。例如，如果扁平的输入形状为(32, 100, 100)，则平坦的Keras输出为(32, 10000)，而在PyTorch中为320000。
浏览 7提问于2020-02-07得票数 9
回答已采纳
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：>> torch.tensor([1,2,3], [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</em
浏览 3提问于2020-02-27得票数 0
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
我有一个用PyTorch编写的神经网络，它在GPU上输出一些张量a。我想继续使用高效的a层来处理TensorFlow。据我所知，唯一的方法是将a从GPU内存移到CPU内存，转换为numpy，然后将其输入TensorFlow。一个简化的例子：import tensorflow as tf
a =在上面使用non_blocking=True<e
浏览 0提问于2019-01-30得票数 15
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 X = torch.Tensor([[1,2,3], [3,2,5]]) Y[i] = X
我想知道
浏览 0提问于2019-12-03得票数 1
回答已采纳
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
浏览 36提问于2021-02-03得票数 0
我在PyTorch中创建了一个sparse_coo张量： import torch
i = torch.tensor([[0, 1, 1],torch.float32)
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。
浏览 274提问于2020-10-27得票数 0
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
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
我想让张量通过卷积2层。我不能执行它，因为我得到了一个类型错误，即使我已经将我的numpy数组转换为张量。 我尝试使用tf.convert_to_tensor()来解决这个问题。
浏览 255提问于2019-05-31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
浏览 1提问于2019-02-08得票数 5
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
我想做一些量子力学计算，那里的数量有时是复杂的。我想知道如何才能对复杂的类型施加一个现有的真实张量。
浏览 4提问于2020-01-13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
云直播活动推荐
腾讯云开发者
