想知道分布式pytorch如何处理批处理规范，当我添加批处理规范层时，pytorch引擎会使用相同的allreduce调用来同步跨节点的数据吗？或者批量规范只发生在本地节点上。
浏览 0提问于2018-12-11得票数 0
1回答
我有两个张量a & b of shape (m,n)，我想用距离度量d来计算距离矩阵m。也就是说，我想要m[i][j] = d(a[i], b[j])。这有点像cdist(a,b)，但假设一个泛型距离函数d，它不一定是p范数距离。是否有一种在PyTorch中实现这一功能的通用方法？
还有一个更具体的问题:是否有一种有效的方法来使用以下度量来执行此操作？
d(x,y) = 1 - cos(x,y)
编辑
我已经使用答案解决了上面的具体案例：
def metric(a, b, eps=1e-8):
a_norm, b_norm = a.norm(dim=1)[:, None], b
浏览 4提问于2020-10-01得票数 0
回答已采纳
2回答
我正在尝试在PyTorch中将两个复数矩阵相乘，结果似乎是the torch.matmul functions is not added yet to PyTorch library for complex numbers. 你有什么建议吗，或者在PyTorch中有其他方法来乘复数矩阵吗？
浏览 294提问于2020-09-12得票数 2
回答已采纳
1回答
PyTorch是否支持类似dict的对象，通过这些对象我们可以反向传播梯度，比如PyTorch中的张量？
我的目标是计算一个大型矩阵中的几个元素(1%)的梯度。但是如果我使用PyTorch的标准张量来存储矩阵，我需要将整个矩阵保存在我的GPU中，这会导致由于在训练期间可用的GPU内存有限而造成的问题。所以我在想，是否可以将矩阵存储为dict，只索引矩阵的相关元素，计算渐变和反向传播w.r.t --这些选择元素。
到目前为止，我只尝试使用张量，但由于上述原因，它会导致内存问题。因此，我搜索了大量的替代选项，比如PyTorch中的dicts，但是在Google上找不到任何这样的信息。
浏览 6提问于2022-03-08得票数 2
1回答
我的优化问题需要一个参数化的酉矩阵，使用PyTorch，那么如何通过PyTorch生成这样的矩阵，或者如何在优化过程中确保矩阵是酉的？
主要问题是n维幺正矩阵，或者可以说这个矩阵是SU(n)是用 n^2-1 参数来参数化的，那么怎么才能用只得到n^2-1参数呢？
浏览 18提问于2022-09-29得票数 0
在PyTorch中，我们有将线性转换应用于传入数据的nn.linear：
y = WA+b
在这个公式中，W和b是我们可学习的参数，A是我的输入数据矩阵。对于我的情况，矩阵'A‘太大，RAM无法完成加载，所以我很少使用它。是否可以使用PyTorch对稀疏矩阵执行这样的操作？
浏览 2提问于2022-08-26得票数 1
回答已采纳
我想创建一个简单的PyTorch神经网络，它的权重之和等于1。为了理解我的问题，这里给出一个例子： ?
浏览 31提问于2021-09-07得票数 0
回答已采纳
1回答
在Pytorch中，假设我有一个top-k索引矩阵P(B,N,k)、一个权重矩阵W(B,N,N)和一个目标矩阵A(B,N,N)，我希望得到一个相邻的矩阵，它作为以下循环运行：
for i in range(B):
for ii in range(N):
for j in range(k):
if weighted:
A[i][ii][P[i][ii][j]] = W[i][ii][P[i][ii][j]]
else:
A[i][ii][P[i][i
浏览 2提问于2020-12-31得票数 2
回答已采纳
我正在尝试在PyTorch中执行多个矩阵的矩阵乘法，并想知道在PyTorch中numpy.linalg.multi_dot()的等价物是什么？ 如果没有，那么在PyTorch中下一个最好的方法是什么(就速度和内存而言)？ 代码： import numpy as np
import torch
A = np.random.rand(3, 3)
B = np.random.rand(3, 3)
C = np.random.rand(3, 3)
results = np.linalg.multi_dot(A, B, C)
A_tsr = torch.tensor(A)
B_tsr = tor
浏览 27提问于2020-10-25得票数 1
回答已采纳
要在Pytorch中执行backward，我们可以使用一个可选参数y.backward(v)来计算乘以v的雅可比矩阵 x = torch.randn(3, requires_grad=True)
y = x * 2
v = torch.tensor([0.1, 1.0, 0.0001], dtype=torch.float)
y.backward(v)
print(x.grad) 我认为计算雅可比矩阵的成本是相同的，因为计算雅可比矩阵所必需的AD图中的每个节点仍然是计算的。那么为什么Pytorch不想给我们雅可比矩阵呢？
浏览 27提问于2020-09-10得票数 4
回答已采纳
2回答
我正在尝试测试PyTorch的层规范化功能。
但是我不知道为什么b[0]和result在这里有不同的值
我做错什么了吗？
import numpy as np
import torch
import torch.nn as nn
a = torch.randn(1, 5)
m = nn.LayerNorm(a.size()[1:], elementwise_affine= False)
b = m(a)
结果：
input: a[0] = tensor([-1.3549, 0.3857, 0.1110, -0.8456, 0.1486])
output: b[0] = tensor(
浏览 8提问于2021-02-20得票数 1
我用OpenGL ES 2.0和编写了一个简单的程序。该程序使用正交投影矩阵、视图矩阵和模型矩阵在屏幕上任意位置绘制点。在着色器中，我放置矩阵*位置。
所有操作都很好，但是为了测试目的，我尝试自己计算点的位置，所以我使用multiplyMV作为参数，我将MVPmatrix (在投影和视图之间，然后在结果和模型矩阵之间使用multiplyMM获得)和我的观点(例如2f，3.5f，0f，1f)放在一起。问题是，有时我得到的x和/或y的结果大于1或小于-1，尽管屏幕上有这个点。但是在标准化的设备坐标中，点必须在-1到1之间，才能“在屏幕上”。
我真的不明白我的错误在哪里。
浏览 1提问于2018-03-29得票数 0
回答已采纳
1回答
在连体网络中选择对比性损失的边际
、、、、
我正在为一个度量学习任务构建一个连体网络，使用一个对比损失函数，但我不确定如何设置损失的“差值”超参数。 我对损失函数的输入目前是来自RNN层的1024维密集嵌入-该输入的维度是否会影响我选择边距的方式？我是不是应该先用一个密集的层把它投射到一个低维的空间？任何关于如何挑选一个特定的保证金价值(或任何相关的研究)的建议都将受到感谢！如果重要的话，我使用PyTorch。
浏览 22提问于2019-02-27得票数 2
1回答
为了使用8pt算法计算基本矩阵，需要首先对中的点进行归一化。但是，如果我想在校准的图像上使用8pt算法(即在基本矩阵上)，我需要对图像平面上的点进行归一化吗？
对于基础矩阵，我执行以下操作(在MATLAB-esque伪代码中)：
% features1 and features2 are (n x 3) matrices of homog. coordinates
[matches1, matches2] = matchFeatures(img1, features1, img2, features2)
[normMatches1, T1] = HartleyNormalization(mat
浏览 1提问于2015-12-25得票数 1
在pytorch中，我可以先将两个稀疏矩阵相乘，然后将它们转换为密集的形式。
adjdense = torch.sparse.FloatTensor(indextmp, valuetmp, torch.Size([num_nodes,num_nodes])).to_dense()
mask_dense = torch.sparse.FloatTensor(edge_index, edge_mask_list[k], torch.Size([num_nodes,num_nodes])).to_dense()
gdcdense = adjdense * mask_dense
但是当图形很大时，这种
浏览 18提问于2021-02-18得票数 1
我打印了pytorch和https://github.com/mnielsen/neural-networks-and-deep-learning/tree/master/data的mnist数据集的第一个训练图像的矢量化形式。对于浮点精度误差来说，差异似乎太大了。 第一个mnist列车的完全不同图像：https://www.diffchecker.com/6y6YTFiN ? 要重现的代码： import mnist_loader
import numpy
numpy.set_printoptions(formatter={'float': '{: 0.4f
浏览 17提问于2020-10-24得票数 1
回答已采纳
4回答
对于numpy，我可以这样做一个简单的矩阵乘法：
a = numpy.ones((3, 2))
b = numpy.ones((2, 1))
result = a.dot(b)
但是，这不适用于PyTorch：
a = torch.ones((3, 2))
b = torch.ones((2, 1))
result = torch.dot(a, b)
此代码引发以下错误：
RuntimeError:一维张量，但得到二维张量和二维张量
如何在PyTorch中执行矩阵乘法？
浏览 9提问于2017-06-13得票数 84
回答已采纳
1回答
我正在运行以下代码，在其中生成具有随机值的104x4矩阵。
A = zeros(4,4,10);
for idx = 1:size(A,3)
A(:,:,idx) = [1 2 3 4; 5 6 7 8; 9 10 11 12; 0 0 0 1].*randn(4,4)
end
X = std(A, 0, 3)
X = std(A, 0, 1)给出了每个列的标准差和
X = std(A, 0, 2)给出了每一行的标准偏差。
X = std(A, 0, 3)给了什么？
我得到了一个4x4矩阵值，如下所示
4.0479 2.7137 1.8706 1.2579
4.981
浏览 2提问于2019-12-17得票数 0
回答已采纳
4回答
我正在考虑一个矩阵A，使得A=PDP^-1。
我使用Mathematica解决这个问题的方法是：
a={{0, -1}, {-1, 0}}
d = DiagonalMatrix[Eigenvalues[a]]
{{-1,0}, {0,1}}
p = Transpose[Eigenvectors[a]]
p.d.Inverse[p]
{{0, -1}, {-1, 0}}
这是正确的。
问题是，P矩阵并不是我期望的那样。Mathematica生成的矩阵是
p={{1, -1}, {1, 1}}
但我在找
p2={{1/Sqrt[2], 1/Sqrt[2]}, {1/Sqrt[2], -(1/Sq
浏览 0提问于2012-01-14得票数 4
回答已采纳
我需要从相应的图像点计算3D点。这样做的算法在这里解释：。这不是为我工作，我收到了错误的结果。1.程序利用“归一化图像坐标”--如何计算它们? 2. R矩阵和T矩阵(从本质矩阵计算)与cv：：立体定向程序输出的矩阵相同。
这就是我现在所做的：
立体声校准我的装置
两台摄像机的逆相机矩阵
通过倒置摄像机矩阵和均匀像素点坐标的多重运算，计算出两个摄像机对应点的归一化坐标。
Rest操作基于本文中的部分:来自相应图像点的3D点
使用旋转矩阵和平移矩阵计算点的x3物理/真实世界坐标(通过立体校准程序给出)。
在本文中计算x1和x2坐标
谢谢你的帮助。
浏览 2提问于2011-06-02得票数 5
我正在尝试在OpenCV中规范化一个矩阵，我是这样做的：
cv::Mat matrix = cv::Mat::zeros ( 3, 480000, CV_8UC1 );
cv::Mat matrix_norm = cv::Mat::zeros ( 3, 480000, CV_8UC1 );
... // give values to matrix
我阅读了"normalize“函数的文档，但无法完全理解如何为"alpha”和"beta“赋值。因此，从示例中可以看出：
我是这样做的：
cv::normalize ( matrix, matrix_norm, 0, 25
浏览 0提问于2012-10-09得票数 1
回答已采纳
我有时间序列，我需要通过将零填充到矩阵中并在keras中使用keras.layers.Masking来保持序列长度固定到一个数字，我可以忽略这些填充的零进行进一步的计算，我想知道如何在Pytorch中做到这一点？ 要么我需要在pytroch和pytorch中做填充，而pytorch不能处理可变长度的序列，这相当于pytorch中keras的掩蔽层，或者如果pytorch处理不同长度的序列，怎么做呢？
浏览 73提问于2019-12-31得票数 3
回答已采纳
我读过“学习opencv”，我知道使用Q矩阵，我们可以连接图像坐标和三维坐标。但我不太确定q矩阵中的f是什么意思？在这本书中，'f‘在我的程序中是焦点length.But，我发现f=700.Did我的程序错了吗？谢谢你提前帮忙。
浏览 3提问于2016-03-28得票数 0
回答已采纳
2回答
在pytorch。我想把矩阵A的每个向量乘以矩阵B的每个向量： A = M x N
B = L x N
result = (M x L) x N
浏览 22提问于2019-05-06得票数 0
2回答
我正在尝试使用透视相机矩阵将一系列3D点投影到屏幕上。我没有世界空间(或者认为它是一个单位矩阵)，我的相机也没有相机空间(或者认为它是一个单位矩阵)，我的对象空间有一个4x4矩阵。
我将获取对象矩阵并将其乘以相机透视矩阵，该矩阵使用以下方法生成：
Matrix4 createPerspectiveMatrix( Float fov, Float aspect, Float near, Float far )
{
Float fov2 = (fov/2) * (Math.PI/180);
Float tan = Math.tan(fov2);
Float f = 1 /
浏览 1提问于2010-09-09得票数 7
回答已采纳
1回答
矩阵乘法维数令人困惑
、、、
我正在学习本教程https://pytorch.org/tutorials/beginner/nlp/deep_learning_tutorial.html#example-logistic-regression-bag-of-words-classifier nn.Linear(vocab_size, num_labels)表示矩阵形状为num_labels x vocab_size bow_vector维度为1 x vocab_size，nn.linear的输入应为batch_size x features 现在，我们将num_labels x vocab_size矩阵乘以1 x voc
浏览 24提问于2020-05-02得票数 0
1回答
基于相关矩阵的特征选择
、、、
在测试Logistic回归、高斯朴素贝叶斯、随机森林和多层感知器等不同算法时，我只是简单地减去平均值，然后除以一个标准差来规范原始数据。并不是所有的人都有这个必要，但我只是想保持一致。但是特征的相关矩阵在归一化前后会发生变化。在决定选择哪些特征以避免输入数据中的冗余时，应该同时考虑相关矩阵还是只考虑规范化后的相关矩阵，因为这是直接提供给机器学习方法的数据？
浏览 0提问于2018-06-19得票数 0
回答已采纳
2回答
问题很简单，但是在Pytorch中有没有一种从现有矩阵创建上三角矩阵的原生方法？我正在考虑使用一个掩模，但即使这样也需要创建上三角矩阵。
浏览 133提问于2019-11-21得票数 0
我正在使用Pytorch。我有一个形状为(C，H，W，K)的4d数组，我想将它乘以另一个形状为(N，C，H，W)的4d数组。我想要一个最终的二维矩阵(N，K)。我应该如何在Pytorch中实现这一点？更普遍的是，高阶矩阵乘法是如何工作的？一般情况下，有没有什么需要牢记的规则？
浏览 10提问于2019-09-22得票数 1
我有一个训练集，大约有300000个示例和大约50-60个特征，它也是一个多类，大约有7个类。我有我的逻辑回归函数，它使用梯度下降来找出参数的收敛性。我的梯度下降算法，以矩阵的形式找到参数，因为它以矩阵的形式比在循环中单独和线性地查找更快。例如:矩阵(P) <-矩阵(P)- LearningRate( T(矩阵(X))*(矩阵(h(X)) -Matrix(Y) ))
对于小的训练数据，它是相当快的，并且给出了正确的值，最大迭代次数在1000000左右，但是对于那么多的训练数据，它非常慢，大约500次迭代需要18分钟，但是在梯度下降中有这么多迭代，成本仍然很高，并且它不能正确地预测类别。
浏览 8提问于2016-09-07得票数 0
我正在处理一个项目，在这个项目中，我需要用用pytorch3d生成的呈现来替换py之中的渲染。
我了解到py子和pytorch3d对坐标系有不同的定义(参见这些链接：、；x和z轴被翻转)，我在代码中考虑了这一点。但在呈现的对象中我仍然存在不一致的地方。我认为问题可能是，当pytorch3d期望一个c2w旋转矩阵(即相机到世界)的时候，俾子弹可能会期望一个w2c旋转矩阵。不过，我找不到任何与此有关的文件。有没有人遇到过这个问题，或者，也许可以给出一些有用的提示，来找出焦子弹的旋转矩阵到底是什么？
谢谢!
浏览 6提问于2021-11-22得票数 1
回答已采纳
我想用PyTorch训练一个卷积神经网络(CNN)来预测与输入图像相关的频谱数据。我不是为每个图像(狗、猫、汽车、飞机等)分配一个标签，而是为每个图像分配一个标签矩阵(每个频率一个标签)。在PyTorch中，如何将数据矩阵作为标签分配给数据集中的每个输入图像？我一直在尝试使用ImageFolder来做到这一点。谢谢!
浏览 27提问于2019-02-15得票数 0
1回答
从基本矩阵设置姿势，反之亦然
、、、、
我已经使用opencv的计算了两个摄像头之间的基本矩阵。然后我在图像中绘制核线。我得到了一些类似的东西：
现在，我试着从基本矩阵中得到姿势，首先计算基本矩阵，然后使用Hartley & Zissserman方法。
K2=np.mat(self.calibration.getCameraMatrix(1))
K1=np.mat(self.calibration.getCameraMatrix(0))
E=K2.T*np.mat(F)*K1
w,u,vt = cv2.SVDecomp(np.mat(E))
if np.linalg.det(u) < 0:
浏览 1提问于2013-12-16得票数 5
我有一个关于时间序列的下一步预测模型，它只是一个GRU，上面有一个完全连接的层。当我用CPU训练50次后，损失为0.10，而用GPU训练时，50次后损失为0.15。在这两种情况下，做更多的划时代并不能真正降低损失。
为什么在CPU上训练后的性能要比GPU好？
我试着改变数据和模型的随机种子，这些结果与随机种子无关。
我有：
Python 3.6.2
PyTorch 0.3.0
CUDNN_MAJOR 7
CUDNN_MINOR %0
CUDNN_PATCHLEVEL 5
编辑：
我还使用PyTorch的重量归一化torch.nn.utils.weight_norm在GRU和完全连接的层上。
浏览 1提问于2018-01-25得票数 6
回答已采纳
2回答
我在想，是否有人知道Maxima中有什么函数可以找到21x21矩阵的归一化特征向量？
我使用函数dgeev，但我不相信这些特征向量是标准化的。
我很感谢你的想法，本
浏览 0提问于2013-05-23得票数 0
回答已采纳
1回答
这个问题与新的论文：有关。主要是关于稀疏注意的实现(即在中指定)。目前，我正试图在PyTorch中实现它。
他们提出了一种通过阻塞原始查询和密钥矩阵来加快计算速度的新方法(见下文)。
当您在步骤(b)中做矩阵多位置子时，最终会得到这样的结果：
。
所以我想知道：如何从表示(上图)到稀疏矩阵(使用PyTorch，见下文)？，在论文中，他们只是说：“简单地重塑结果”，我不知道有任何简单的方法这样做(特别是，当我有多个块在不同的位置(见第一张图像的步骤(c) )。
RESOLUTION：Huggingface有一个BigBird的实现。
浏览 3提问于2020-12-25得票数 2
回答已采纳
2回答
给定一个NxN矩阵W，我希望计算一个由以下链接中的等式给出的NxN矩阵C：或LaTeX
$$C_{ij} = \max_k \bigg\{ \sum_l \bigg( W_{ik}W_{kl}W_{lj} - W_{ik}W_{kj} \bigg) \bigg\}.$$
我曾尝试在PyTorch中实现这一点，但我遇到了内存问题，因为我构建了一个中间的GPU3D矩阵，对于大N，这会导致我的NxNxN耗尽内存，或者在k上使用for循环，这会非常慢。我想不出怎么才能绕过这些。如果没有像这样大的中间矩阵，我如何实现这个计算，或者它的近似值？
建议，任何语言的伪代码或任何Python/Numpy/Py
浏览 4提问于2021-09-21得票数 2
有没有人知道如何将
scipy.ndimage.filters.correlate
要获取的函数：
XCM = 1/N(xc(a-mu_a,b-mu_b)/(sig_a*sig_b))
相关性的N是什么？它通常是图像的数据点/像素的数量。我应该为scipy.ndimage.filters.correlate选择哪个值？我的图片大小不同。我猜scipy correlate函数会将小图像填充为零？
最终矩阵N = XCM.sizeX() * XCM.sizeY()的大小？
谢谢，艾尔
浏览 1提问于2013-07-04得票数 1
回答已采纳
对进行SageMaker推断？什么时候推荐每一种？
两者都是现代的产品级推理服务器。TorchServe是PyTorch模型的DLC默认推理服务器。Triton还支持在PyTorch上进行SageMaker推理。
有谁有一个很好的对比矩阵吗？
浏览 26提问于2022-09-23得票数 1
回答已采纳
1回答
我正在重写一个应用程序从matlab到C++。问题是这条线
imagesc(proj_data.log_P0,m+s*[-3,3])
proj_data.log_P0是一些带有浮点值的矩阵，所以我在C++和OpenCV中所做的是将该矩阵规范化为OpenCV可以显示的值(范围从0到1)。该部分正在工作，但造成问题的部分是clims (粗体)部分imagesc(proj_data.log_P0，m+s*-3,3)。正如我所理解的，裁剪部分正在改变颜色映射的范围，在OpenCV中有什么方法可以这样做吗？这是一幅灰度图像。
浏览 2提问于2013-06-29得票数 1
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：
numpy数组或枕叶稀疏矩阵。其他类型的可转换为数字数组，如熊猫DataFrame也是可以接受的。
这是否意味着使用PyTorch张量是完全安全的？
浏览 2提问于2021-11-18得票数 3
回答已采纳
因此，我正在尝试实现一个EM算法来训练高斯类条件模型来对数据进行分类。我现在陷入了M步，因为我不知道如何计算协方差矩阵。
问题是我有一个大数据集，使用for循环遍历每个点会很慢。我也不能使用协方差函数cov()，因为我需要使用我使用这个公式计算的平均值(µ符号1)
有没有办法调整cov()以使用我想要的均值？或者有没有其他方法可以在没有for循环的情况下做到这一点？
编辑:忘记解释数据矩阵是什么样子的。它是一个nx3，其中每一行都是一个数据点。
从技术上讲，它需要适用于一般情况下的nxm，但n通常很大(1000或更多)，而m相对较小。
浏览 2提问于2017-11-29得票数 0
1回答
有没有一种方法可以获得一个矩阵，该矩阵将一个平面旋转到一个新的方向，给定它的新的法向量
下图描述了所描述的内容
浏览 5提问于2012-11-03得票数 11
回答已采纳
pytorch是否像numpy.corrcoef ()一样具有计算相关系数矩阵的功能？
浏览 293提问于2020-12-03得票数 1
我正在尝试在pytorch中实现PCA，给定协方差矩阵，它的特征值，特征向量和要从数据矩阵中捕获的方差比例，是否有公式来计算与方差对应的维数或主成分的数量？
浏览 2提问于2019-12-11得票数 0
我试图用 (而不是PyTorch )实现TensorFlow中的CSRA模块，使用MobileNetV3作为特性提取器。
我只精通TensorFlow，在从PyTorch到TensorFlow的翻译中遇到了一些困难。
实现该模块的使用了一些在TensorFlow中不常用的函数，而those为这些函数提供的帮助很少。
源代码如下：
class CSRA(nn.Module): # one basic block
def __init__(self, input_dim, num_classes, T, lam):
super(CSRA, self).__init__()
浏览 2提问于2022-05-23得票数 0
这似乎是一个基本的问题，但我无法解决。
在神经网络的前通过中，我有一个形状为8x3x3的输出张量，其中8是我的批次大小。我们可以假定每个3x3张量都是一个非奇异矩阵。我需要找到这些矩阵的逆。PyTorch 函数仅适用于方阵。既然我现在有8x3x3，如何以可微的方式将此函数应用于批处理中的每个矩阵？
如果我迭代这些示例并将逆附加到python列表中，然后将其转换为PyTorch张量，那么它是否会在备份期间出现问题呢？(我的问题是，因为将PyTorch张量转换为numpy来执行一些操作，然后返回到张量，就不会在支持这些操作时计算梯度)。
当我尝试做类似的事情时，我也会得到以下错误。
a = tor
浏览 23提问于2017-10-05得票数 10
1回答
正规映射与保持切线
、、、、
假设你有一个带有法线地图的三维网格。该网格还具有切线、二值化和法线。
从切线，双元和法线，你可以建立TBN矩阵，它是一个将切线空间转换成世界空间的矩阵。那样的话，要想得到真正的正常，你只需要做这样的事情：
mat3 TBN = mat3(tangent, bitangent, normal);
vec3 realNormal = TBN * normalFromTheNormalMap;
然而，如何从这个系统中得到真实的切线和双切线呢？
浏览 0提问于2017-09-19得票数 2
回答已采纳
我正在尝试将卷积层转换为完全连接的层。
例如，有一个3x3输入和2x2内核的示例：
这相当于向量矩阵乘法，
PyTorch中有没有一个函数可以得到矩阵B？
浏览 3提问于2019-06-21得票数 7
在PyTorch中，我想实现如下图所示的计算： ? 换句话说，这是一个应用于矩阵中每个向量的映射函数，并且每个函数都是不同的，例如torch.sin、torch.cos和torch.tan。我如何在PyTorch中实现这样的计算(即，没有图形处理器上的for循环)。
浏览 40提问于2021-05-03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
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
