Numpy與Pytorch 矩陣操作方式
Numpy
隨機矩陣: np.random.randn(d0, d1, d2, ...)
矩陣大小與形狀: np.ndarray.size 與 np.dnarray.shape
Pytorch
隨機矩陣: torch.randn(d0, d1, d2, ...)
添加維度: tensor.unsqueeze(0)
壓縮維度: tensor.squeeze(0)
按維度拼接tensor: torch.cat(inputs, dim=0, ...)
維度堆疊: torch.stack(inputs, dim=0)
張量排序索引: tensor.sort(descending=True) 返回一個tensor為排序后的tensor, 一個為index_tensor
矩陣元素夾逼: tensor.clamp()
矩陣切割: torch.chunk(tensor, chunks, dim)
矩陣復制: torch.repeat(*size)
生成零矩陣: torch.torch.zeros(5, 3, dtype=torch.long)
生產同形狀的隨機矩陣:x = torch.randn_like(x, dtype=torch.float)
矩陣中函數(shù)名以'_'結尾的,如:y.add_(x),運算結束后會改變y本身
以上這篇Numpy與Pytorch 矩陣操作方式就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關文章
python使用dabl幾行代碼實現(xiàn)數(shù)據(jù)處理分析及ML自動化
這篇文章主要為大家分享一個名為?dabl?的開源?Python?工具包,它可以自動化機器學習模型開發(fā),包括數(shù)據(jù)預處理、特征可視化和分析、建模2021-11-11在pycharm中使用git版本管理以及同步github的方法
今天小編就為大家分享一篇在pycharm中使用git版本管理以及同步github的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01python 使用Tensorflow訓練BP神經網絡實現(xiàn)鳶尾花分類
這篇文章主要介紹了python 使用Tensorflow訓練BP神經網絡實現(xiàn)鳶尾花分類,幫助大家更好的利用python進行深度學習,感興趣的朋友可以了解下2021-05-05通過python的matplotlib包將Tensorflow數(shù)據(jù)進行可視化的方法
今天小編就為大家分享一篇通過python的matplotlib包將Tensorflow數(shù)據(jù)進行可視化的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01