我在我的实现中有以下代码片段。有一个嵌套的for循环,其中有3个循环。在主代码中,原始系统的3D坐标被堆叠为点的连续堆叠的1D矢量,而对于具有坐标(x,y,z)的点,采样像元将如下所示 Predictions =[...x,y,z,...][i][2]=z的2D矩阵,其中i是矩阵prediction_reshaped中的任意样本行。for k in range(d
我的代码中嵌套了下面这段for循环。嵌套的循环减慢了我的整个执行速度。对于一个形状为[batchSize,nClass*repeat]的火炬张量extended_output和另一个维度为[batchSize,nClass]的火炬张量,我希望聚合如下所示: for q inrepeat):
output[:,q]=output[:,q]+extended_output[:,(q+u*nClass)]
我正在实验卷积中的膨胀,我试图用PyTorch将数据从一个二维张量复制到另一个2D张量。我将值从张量A复制到张量B,这样复制到B中的A的每个元素都被n零包围。我已经尝试过使用嵌套的for循环,这是一种非常天真的方法。显然,当我使用大量灰度图像作为输入时,性能很差。for i in range(A.shape[0]): B[n+i][n+j] = A[i][j]