深圳西乡网站建设,做外贸网站市场,发帖网站有哪些,asp.ney旅游信息网站下载 简洁1. torch.ones()
torch.ones(*sizes, outNone) → Tensor函数功能#xff1a;返回一个全为1 的张量#xff0c;形状由可变参数sizes定义。 参数: sizes (int…) – 整数序列#xff0c;定义了输出形状 out (Tensor, optional) – 结果张量 例子#xff1a; …1. torch.ones()
torch.ones(*sizes, outNone) → Tensor函数功能返回一个全为1 的张量形状由可变参数sizes定义。 参数: sizes (int…) – 整数序列定义了输出形状 out (Tensor, optional) – 结果张量 例子 torch.ones(2, 3)1 1 11 1 1
[torch.FloatTensor of size 2x3] torch.ones(5)11111
[torch.FloatTensor of size 5]2. torch.add()
torch.add(input, value, outNone)
对输入张量input逐元素加上标量值value并返回结果到一个新的张量out即 outtensorvalue。torch.add(input, value1, other, outNone)
other 张量的每个元素乘以一个标量值value并加到iput 张量上。返回结果到输出张量out。即outinput(other∗value)两个张量 input and other的尺寸不需要匹配但元素总数必须一样。注意 :当两个张量形状不匹配时输入张量的形状会作为输出张量的尺寸。3. torch.zeros()
torch.zeros(*sizes, outNone) → Tensor返回一个全为标量 0 的张量形状由可变参数sizes 定义。 参数: sizes (int…) – 整数序列定义了输出形状 out (Tensor, optional) – 结果张量 例子 torch.zeros(2, 3)0 0 00 0 0
[torch.FloatTensor of size 2x3]生成2*3的张量矩阵 torch.zeros(5)00000
[torch.FloatTensor of size 5]xtorch.zeros(2,3,4)
print(x)tensor([[[0., 0., 0., 0.],[0., 0., 0., 0.],[0., 0., 0., 0.]],[[0., 0., 0., 0.],[0., 0., 0., 0.],[0., 0., 0., 0.]]])生成2个3*4的矩阵xtorch.zeros(2,3,4,5)
print(x)tensor([[[[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.]],[[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.]],[[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.]]],[[[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.]],[[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.]],[[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.]]]])
从后向前看最后两位为数组的维度4*5前一位3表示有3个4*5的矩阵在前一位2表示这样3个4*5的矩阵有2个以此类推4.torch.squeeze()
torch.squeeze(input, dimNone, outNone)函数功能 将输入张量形状中的1 去除并返回。 如果输入是形如(A×1×B×1×C×1×D)那么输出形状就为 (A×B×C×D) 当给定dim时那么挤压操作只在给定维度上。例如输入形状为: (A×1×B), squeeze(input, 0) 将会保持张量不变只有用 squeeze(input, 1)形状会变成 (A×B)。
注意 返回张量与输入张量共享内存所以改变其中一个的内容会改变另一个。
参数: input (Tensor) – 输入张量 dim (int, optional) – 如果给定则input只会在给定维度挤压 out (Tensor, optional) – 输出张量
例子 x torch.zeros(2,1,2,1,2)x.size()
(2L, 1L, 2L, 1L, 2L)y torch.squeeze(x)y.size()
(2L, 2L, 2L)y torch.squeeze(x, 0)y.size()
(2L, 1L, 2L, 1L, 2L)y torch.squeeze(x, 1)y.size()
(2L, 2L, 1L, 2L)参考自https://blog.csdn.net/qq_42518956/article/details/103876885
