小编给大家分享一下Pytorch进阶操作的示例分析,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获、下面让我们一起去了解一下吧!
一、合并与分割
1。猫拼接
直接按照指定的昏暗的维度进行合,并要求除了所需要合并的维度之外,其他的维度需要是一样的
2。栈堆叠
例:此处创建一个和一个一样的张量,按照某一维度进行堆栈,就会在堆叠的维度前面,生成一个新的维度,用以进行选择,比如新生成了一个2维,就可以通过0,1进行选择。具体是什么意义,取决于实际的问题。
比如两个班成绩单用堆栈合并,生成的新维度,就可以选择0或1来选择这个新维度,从而达到选择班级的目的。
3。拆分
①分裂按长度拆分
第一个参数可以是单独的数字,意思是每一个拆分出来的部分有一个数据,可以是一个类似列表的对象b,意思是把数据按照b里面的方式拆分,拆分成len (b)个张量。
②块按数量拆分
传入的第一个参数就是拆成几个块,然后把原来的维度除以这个数量即可。
比如下面的例子,原来维度是[2 32 8],块参数传入2,就需要拆成2个,则2/2=1,最终每一个的维度变为[1 32 8]。
二,基本运算
1。加减乘除
和numpy中的一致。也可以使用火炬。添加等方法。
2。矩阵相乘
注意,*就是元素与元素相乘,而矩阵相乘可以用以下两种:火炬。matmul, @
如果是高维矩阵相乘,计算的其实就是最后的两个维度的矩阵乘法。
3。次方计算
和numpy中一致,可以使用* *来计算任意次方。此外.pow()也可以计算。
指数和对数计算也基本一致,日志默认是以e为底的。
4。夹
通常用于当出现梯度过大等情况时,对梯度进行裁剪。通过输入最大最小值,目标中超出最大值的按最大值来;低于最小值的按最小值来。
三,属性统计
1。求范数
注意一点:求哪个维度的范数,哪个维度就会被消掉。
2。求极值,求和,累乘
3。暗和keepdim
在很多方法中,都可以对暗进行设置。如果不设置,就是把所有数据展开后,求全局的。
注意这里的昏暗,一个的形状是[4、10],求最大值时,如果设置暗=1,也就是列,个人理解,意思是结果的维度需要是列,那么就是把整行的数值进行计算找最大值,最后返回一个列作为结果。
4. topk和kthvalue
topk参数:k(前k个最大值),暗(以昏暗的维度返回结果)
这个方法默认的是返回的最大值,同时会返回它们的索引。
kthvalue参数:k(第k小的值),昏暗的
5。比较运算
和Numpy中的一致。如果使用torch.eq方法,返回每个对应位置的结果,如果使用火炬。平等的方法,返回的是整体对比的结果。
