建设工程询价网站有哪些,套模板网站建设,项目,南皮县网站建设1.导入torch。虽然被称为PyTorch#xff0c;但应导入torch而不是pytorch
import torch 2.张量表示一个数值组成的数组#xff0c;这个数组可能有多个维度
xtorch.arange(12)x 3.通过张量的shape属性来访问张量的形状和张量中元素的总数
x.shape x.numel() 4.要改变张量的形…1.导入torch。虽然被称为PyTorch但应导入torch而不是pytorch
import torch 2.张量表示一个数值组成的数组这个数组可能有多个维度
xtorch.arange(12)x 3.通过张量的shape属性来访问张量的形状和张量中元素的总数
x.shape x.numel() 4.要改变张量的形状而不改变元素数量和元素值可以调用reshape函数
xx.reshape(3,4)x 5.使用全0、全1、其他常量或者从特定分布中随机采样的数字
torch.zeros((2,3,4)) torch.ones((2,3,4)) 6.通过提供包含数值的Python列表或嵌套列表来所需张量中的每个元素赋予确定值
torch.tensor([[[2,1,4,3],[1,2,3,4],[4,3,2,1]]]).shape Channel1,Width3,Height4
7.常见的标准算术运算符、-、*、/、**都可以被升级为按元素运算
xtorch.tensor([1.0,2,4,8])ytorch.tensor([2,2,2,2])xy,x-y,x*y,x/y,x**y 8.按元素方式应用更多的计算
torch.exp(x) 9.可以把多个张量连结在一起
Xtorch.arange(12,dtypetorch.float32).reshape((3,4))Ytorch.tensor([[2.0,1,4,3],[1,2,3,4],[4,3,2,1]])torch.cat((X,Y),dim0),torch.cat((X,Y),dim1) 10.通过逻辑运算符构建二元张量
XY 11.对张量中的所有元素进行求和会产生一个只有一个元素的张量
X.sum() 12.形状不同可以通过调用广播机制broadeastigmechanism来执行按元素操作
atorch.arange(3).reshape((3,1))btorch.arange(2).reshape((1,2))a,b ab 13.可以用[-1]选择最后一个元素可以用[1:3]选择第二个和第三个元素
X[-1],X[1:3] 14.除读取外还可以通过指定索引来将元素写入矩阵。
X[1,2]9X 15.为多个元素赋值相同的值需要索引所有元素然后为它们赋值
X[0:2,:]12X 16.运行一些操作可能会导致为新结果分配内存
beforeid(Y)YYXid(Y)before 17.执行原地操作
Ztorch.zeros_like(Y)print(id(Z):,id(Z))Z[:]XYprint(id(Z):,id(Z)) 18.如果在后续计算中没有重复使用×我们也可以使用X[:]XY或XY来减少操作的内存开销
beforeid(X)XYid(X)before 19.转换为NumPy张量
AX.numpy()Btorch.tensor(A)type(A),type(B)
