偷自拍亚洲欧美一区二页torch.tensor([[1
栏目分类

热点资讯

偷自拍亚洲欧美一区二页torch.tensor([[1

发布日期:2022-09-23 07:06    点击次数:155

中文字幕无码23页偷自拍亚洲欧美一区二页

 大意以准确灵验的边幅构建神经网罗是招聘人员在深度学习工程师中最受追捧的手段之一。PyTorch 是一个 主要用于深度学习的Python 库。 PyTorch 最基本亦然最弥留的部分之一是创建张量,张量是数字、向量、矩阵或任何 n 维数组。在构建神经网罗时为了缩小研讨速率必须幸免使用显式轮回,咱们不错使用矢量化操作来幸免这种轮回。在构建神经网罗时,实足快地研讨矩阵运算的才气至关弥留。

“为什么不使用 NumPy 库呢?”

关于深度学习,咱们需要研讨模子参数的导数。 PyTorch 提供了在反向传播时追踪导数的才气而 NumPy 则莫得,这在Pytorch中被称为“Auto Grad”。PyTorch 为使用 GPU 的快速奉行提供了内置支撑。这在检修模子方面至关弥留。由于 Numpy 短缺将其研讨蜕变到 GPU 的才气,因此检修模子的时辰最终会变得至极大。

通盘使用 PyTorch 的深度学习名堂都从创建张量动手。让咱们望望一些必应澄澈的函数,它们是任何触及构建神经网罗的深度学习名堂的撑持。

torch.tensor() torch.sum() torch.index_select() torch.stack() torch.mm()

在装配完Pytorch后,在代码中不错径直导入:

 

# Import torch and other required modules import torch 

 

torch.tensor()

领先,咱们界说了一个援手函数,describe (x),它将回来张量 x 的各式属性,举例张量的类型、张量的维度和张量的骨子。

 

# Helper function def describe(x):   print("Type: {}".format(x.type()))   print("Shape/size: {}".format(x.shape))   print("Values: \n{}".format(x) 

 

使用 torch.Tensor 在 PyTorch 中创建张量

PyTorch 允许咱们使用 torch 包以多种不同的边幅创建张量。 创建张量的一种圭臬是通过指定其维度来运行化一个就地张量

 

describe(torch.Tensor(2, 3)) 

使用 Python 列表以声明边幅创建张量

咱们还不错使用 python 列表创建张量。 咱们只需要将列表当作参数传递给函数,咱们就有了它的张量花样。

 

x = torch.Tensor([[1, 2, 3],[4, 5, 6]])  describe(x) 

 

使用 NumPy 数组创建张量

咱们也不错从NumPy 数组中创建PyTorch 张量。 张量的类型是 Double Tensor 而不是默许的 Float Tensor。 这对应于 NumPy 的数据类型是float64,如下所示。

 

import numpy as np npy = np.random.rand(2, 3) describe(torch.from_numpy(npy)) 

 

咱们弗成用张量做什么?张量必须是实数或复数,不应是字符串或字符。

 

torch.tensor([[1, 2], [3, 4, 5]])   --------------------------------------------------------------------------- ValueError                                Traceback (most recent call last) <ipython-input-5-28787d136593> in <module>       1 # Example 3 - breaking (to illustrate when it breaks) ----> 2 torch.tensor([[1, 2], [3, 4, 5]])  ValueError: expected sequence of length 2 at dim 1 (got 3) 

 

torch.tensor() 组成了任何 PyTorch 名堂的中枢,从字面上看,因为它等于张量。

 

torch.sum()

此函数复返输入张量中通盘元素的总额。

 

describe(torch.sum(x, dim=0,keepdims=True)) 

要是你了解 NumPy ,可能还是适当到,关于 2D 张量,咱们将行默示为维度 0, 国产专区_爽死777将列默示为维度 1。torch.sum() 函数允许咱们研讨行和列的总额。

咱们还为 keepdims 传递 True 以保留成果中的维度。 通过界说 dim = 1 咱们告诉函数按列折叠数组。

 

torch.sum(npy,dim=1,keepdims=True)  --------------------------------------------------------------------------- TypeError                                 Traceback (most recent call last) <ipython-input-17-1617bf9e8a37> in <module>()       1 # Example 3 - breaking (to illustrate when it breaks) ----> 2 torch.sum(npy,dim=1,keepdims=True)  TypeError: sum() received an invalid combination of arguments - got (numpy.ndarray, keepdims=bool, dim=int), but expected one of:  * (Tensor input, *, torch.dtype dtype)       didn't match because some of the keywords were incorrect: keepdims, dim  * (Tensor input, tuple of ints dim, bool keepdim, *, torch.dtype dtype, Tensor out)  * (Tensor input, tuple of names dim, bool keepdim,不让穿乳罩随时揉h *, torch.dtype dtype, Tensor out) 

 

该函数在研讨目标和赔本函数时至极有用。

torch.index_select()

这个函数复返一个新的张量,该张量使用索引中的条款(LongTensor)沿维度 dim 对输入张量进行索引。

 

indices = torch.LongTensor([0, 2]) describe(torch.index_select(x, dim=1, index=indices)) 

 

咱们不错将索引当作张量传递并将轴界说为 1,该函数复返一个新的张量大小 rows_of_original_tensor x length_of_indices_tensor。

 

indices = torch.LongTensor([0, 0]) describe(torch.index_select(x, dim=0, index=indices)) 

 

咱们不错将索引当作张量传递并将轴界说为 0,该函数复返大小为

columns_of_original_tensor x length_of_indices_tensor 的新张量。

 

indices = torch.FloatTensor([0, 2]) describe(torch.index_select(x, dim=1, index=indices)) 

此函数在张量的非连气儿索引这种复杂索引中很有用。

torch.stack()

这将沿新维度齐集一系列张量。

 

describe(torch.stack([x, x, x],dim = 0)) 

咱们不错将咱们想要齐集的张量当作一个张量列表传递,dim 为 0,以沿着行堆叠它。

 

describe(torch.stack([x, x, x],dim = 1)) 

咱们不错将咱们想要齐集的张量当作一个张量列表传递,dim 为 1,以沿着列堆叠它。

 

y = torch.tensor([3,3]) describe(torch.stack([x, y, x],dim = 1))  -------------------------------------------------------------------------- RuntimeError                              Traceback (most recent call last) <ipython-input-37-c97227f5da5c> in <module>()       1 # Example 3 - breaking (to illustrate when it breaks)       2 y = torch.tensor([3,3]) ----> 3 describe(torch.stack([x, y, x],dim = 1))  RuntimeError: stack expects each tensor to be equal size, but got [2, 3] at entry 0 and [2] at entry 1 

 

该函数与torch.index_select()谄谀使用至极有用,不错压扁矩阵。

torch.mm()

此函数奉行矩阵的矩阵乘法。

 

mat1 =torch.randn(3,2) describe(torch.mm(x, mat1)) 

 

只需将矩阵当作参数传递,咱们就不错疏顿然奉行矩阵乘法,该函数将产生一个新的张量当作两个矩阵的乘积。

 

mat1 = np.random.randn(3,2) mat1 = torch.from_numpy(mat1).to(torch.float32) describe(torch.mm(x, mat1)) 

 

在上头的例子中,咱们界说了一个 NumPy 数组然后将其更动为 float32 类型的张量。 现时咱们不错得胜地对张量奉行矩阵乘法。 两个张量的数据类型必须匹配才能得胜操作。

 

mat1 =torch.randn(2,3) describe(torch.mm(x, mat1))  --------------------------------------------------------------------------- RuntimeError                              Traceback (most recent call last) <ipython-input-62-18e7760efd23> in <module>()       1 # Example 3 - breaking (to illustrate when it breaks)       2 mat1 =torch.randn(2,3) ----> 3 describe(torch.mm(x, mat1))  RuntimeError: mat1 and mat2 shapes cannot be multiplied (2x3 and 2x3) 

 

为了奉行得胜的矩阵乘法运算,矩阵1的列和矩阵2的行必须匹配。 torch.mm() 函数顺从的是矩阵乘法的基本礼貌。 即使矩阵的端正相易,它仍然不会自动与另一个矩阵的转置相乘,用户必须手动界说它。

为了在反向传播时研讨导数,必须大意灵验地奉行矩阵乘法,这等于 torch.mm () 出现的方位。

回来

咱们对 5 个基本 PyTorch 函数的讨论到此为止。 从基本的张量创建到具有特定用例的高等和昧昧无闻的函数,如 torch.index_select (),PyTorch 提供了好多这么的函数,使数据科学好奇者的责任更随意。



友情链接:
  • 成人免费高清A级毛片_成人亚洲中文字幕无码_中文字幕夫妇交换乱叫_性欧美高清极品XXX_超碰成人人人做人人爽_两姐妹一起和一个老公_gogo人体高清艺术
  • 性饥渴富婆水真多视频_欧美老妇激情XXXX_成人爱做爽视频免费看_亚洲伊人成无码综合网_日韩一级无码激情毛片_两人运动时奶一抖一抖_产妇在家艰辛分娩视频
  • 日本又黄又免費的A片_欧美极度丰满熟妇HD_97免费人妻无码视频_AV熟女五十路息与子_喜爱夜蒲2大尺度吸乳_女人双腿搬开让男人桶_欧美高清XX孕交另类
  • 俄罗斯老熟妇乱子伦视频_国产乱子伦真实精品视频_亲嘴摸屁股抓胸的视频_飘花电影网午夜福利片_国产美女视频免费网站_麻豆一区二区三区在线_亚洲人成无码播放无码
  • 亚洲国产大片在线观看_女人能抗住26厘米吗_秋霞成人午夜电影免费_熟女高清一区二区视频_女同桌熟睡摸她胸好软_无码中文字幕波多野吉_校花被体育老师强爽了
  • 亚洲日韩欧美人成黄瓜_好嗨呦直播app下载_大胆西西人体gogo_美女下面直流白水视频_人妻中出无码一区二区_最新婬乱小说午夜视频_无码艳妇乳肉豪妇荡乳
  • 精品人妻无码中文字幕_欧美乱色伦图片区小说_少妇特殊按摩高潮不断_人妻无码一区二区视频_青青热久久综合网伊人_日本亚欧乱色视频小说_亚洲欧美中文日韩GV
  • A级A片少妇高潮喷水_女人的一级一片在线看_人妻被老板下药办公室_少妇屈辱强奷系列视频_玩弄调教车上老熟妇岳_原创国产AV剧情麻豆_狠狠色丁香久久婷婷综
  • 自慰流水露白浆免费看_抽搐一进一出一级A片_妇女馒头高清泬20P_日韩Av免费无码永久_国产成人影片在线播放_国产成人A片免费视频_大狼拘与少妇牲交毛片
  • 欧美丰满裸体一级A片_两根巨物一起三P白洁_车内挺进尤物少妇紧窄_成人无码视频免费播放_一本久久精品久久综合_欧美人与动牲交a精品_韩国三级大全久久电影
  • 女同学下面好紧好多水_边吃奶边扎下很爽护士_日本三级人妻电影全部_春药玩奶头喷奶水小说_国内激情在线观看视频_AV无码最新无码专区_女人下面黑是什么原因
  • 无码成人午夜在线观看_又黄又湿又爽吸乳视频_日本熟妇人妻上司侵犯_撕开她的衣服强摸双乳_免费一级毛片激情高潮_一本正道无码视频在线_国产喷潮视频手机在线
  • 熟女高潮喷水正在播放_亚洲国产成人最新精品_真实处破女流血_强扒衣服蹂躏双乳_少妇爽性午夜剧场_亚洲素人Av在线无码_攻陷办公室新婚少妇_女人自慰免费观看高清
  • 欧美成人影院在线看_国产成人AV一区二区三区无码_国产高潮国产高潮久久久_天堂亚洲AⅤ在线观看不卡_40岁大乳的熟妇在线观看_丝袜专区_久久亚洲精品无码网站


  • Powered by 无码国产AV西瓜影音_女生的胸怎样变大变软_人妻换着玩又刺激又爽_日本喷潮白浆直喷视频_强奷伦小说公交车视频_男男无码作爱在线播放_yy私人影院无码专区 @2013-2022 RSS地图 HTML地图

    Copyright 365站群 © 2013-2022 baidu.com 版权所有