Pytorch常用函数整理

最新推荐文章于 2025-04-21 22:19:52 发布
原创 最新推荐文章于 2025-04-21 22:19:52 发布 · 3.9k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文详细介绍了PyTorch中的一些基本操作，包括torch.numel()用于计算tensor元素总数，torch.squeeze()和torch.unsqueeze()用于调整张量维度，torch.sort()进行排序，torch.mean()计算平均值，torch.gather()按指定维度和索引选取值，以及torch.stack()和torch.cat()的使用方法。
部署运行你感兴趣的模型镜像

1.torch.numel() 返回tensor变量内所有元素的个数，也可以简单理解为矩阵内yu元素的个数

   例如，a的size为([64, 3, 7, 7])，那么a.numel() 返回值为64*3*7*7=9408

2.torch.squeeze() 将输入张量形状中的1去除并返回，如果输入是形如(Ax1xBx1xCx1xD)，那么输出形状就为(AxBxCxD)

3.torch.unsqueeze() 在指定维度上增加一个维度，该维度数为1

4.torch.sort() 返回元组，第一个是pa排序后的值，第二个是排序后的值在元数据中的index，如果不给dim，默认

按照最后一维

5.torch.mean() 如果不给维度，则fa返回所有值的均值

6.torch.gather(input, dim, index) 把输入按照给定的维度和index取input中的值

7.torch.stack(sequence，dim，out)  stack()会增加一个维度出来，sequence是tensor列表，dim表示拼接的维度，而torch.cat()是在已有的维度上拼接，

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

【AI】《动手学-深度学习-PyTorch版》笔记（三）：PyTorch常用函数
郭老二
07-26 1011
整理几个PyTorch常用函数：arange、shape、reshape等
Pytorch常用函数手册
weixin_46556352的博客
03-07 1835
第六章torch.nn.init .............................................................................................................. 144。第十四章torch.utils.model_zoo .......................................................................................... 168。
[pytorch]常用函数手册
weixin_42343912的博客
09-12 1222
返回全局符号表的字典。
PyTorch基础（八）----- torch.split()方法
热门推荐
奋斗の博客
04-01 1万+
一、方法详解 含义：将一个张量分为几个chunks torch.split(tensor, split_size_or_sections, dim=0) tensor：要分的张量 split_size_or_sections： 如果该项参数的值为一个int类型的value值，那么该方法会将tensor划分为同等数量的张量；如果tensor的size沿着给定的不能整除split_size，那么最后一个chunk相较于其它chunk小； 如果是一个list列表，该方法会将tensor划分为len(s
985博士历时十个月整理的《PyTorch常用函数手册》开放下载
Oner.wv的专栏
10-05 465
近期有很多小伙伴在小白学视觉公众号后台咨询有没有关于Pytorch函数使用的学习资料。Pytorch是目前常用的深度学习框架之一，深受学生党的喜爱，小白本人也是使用的Pytorch框架。为...
pytorch 常用函数整理
GISer and Coder
02-08 203
pytorch中torch.max和Tensor.view函数用法
pytorch常用函数手册
03-07
### PyTorch常用函数手册知识点概述 #### 一、引言 PyTorch作为一个领先的开源机器学习库，凭借其灵活性和高效性，在学术界和工业界都得到了广泛应用。该手册致力于为用户提供一个全面且易于查阅的PyTorch函数指南...
pytorch常用库整理总结
2401_83397737的博客
04-21 597
pytorch的常用库整理总结
pytorch 常用loss函数CV_Dreamer整理篇（一）
01-21
L1 Loss、平均绝对误差（MAE） 当torch.nn.L1Loss的参数reduction选择’sum’时即为L1 loss； 当选择 ‘mean’ 或’none’时，即为MAE。 公式如下： MAE=1n∗∑i=1n∣yi−yip∣MAE = \frac{1}{n} * \sum\limits_{i =...
全新开源，《Pytorch常用函数函数手册》开放下载！内含200余个函数!
深度学习技术前沿
09-04 624
近期有很多小伙伴在后台咨询有没有关于Pytorch函数使用的学习资料。Pytorch是目前常用的深度学习框架之一，深受学生党的喜爱，小白本人也是使用的Pytorch框架。为了帮助更多小伙伴...
torchsort:在PyTorch中进行快速，可区分的排序和排名
03-25
火炬排序 在PyTorch中进行快速，可区分的排序和排名。 纯PyTorch实现（Blondel等人）。 大部分代码是从的原始Numpy实现复制而来的，等渗回归求解器被重写为PyTorch C ++和CUDA扩展。 安装 pip install torchsort 要构建CUDA扩展，您将需要安装CUDA工具链。 如果要在没有CUDA运行时的环境中构建（例如docker），则需要在安装之前导出环境变量TORCH_CUDA_ARCH_LIST="Pascal;Volta;Turing" 。 用法 torchsort公开了两个函数： soft_rank和soft_sort ，每个函数都有参数regularization （ "l2"或"kl" ）和regularization_strength （标量值）。 每个人都将对二维张量的最后一个维度进行排序/排序，其准确性取决于正则化强度：
哈工大博士历时半年整理的《Pytorch常用函数函数手册》开放下载！内含200余个函数!...
夕小瑶科技说
03-23 4026
近期有很多小伙伴在公众号后台咨询有没有关于Pytorch函数使用的学习资料。Pytorch是目前常用的深度学习框架之一，深受学生党的喜爱，小白本人也是使用的Pytorch框架。为了帮助更多小伙伴，小白学视觉团队整理了这份目前最全的Pytorch常用函数手册，内含超200个常用函数，是居家旅行、深度学习、发表论文必备工具。本手册中分为14章，从最基础的创建张量开始，逐步加深...
torch常用基础函数
耶律大石的博客
08-23 1472
1、torch.meshgrid() torch.meshgrid（）的功能是生成网格，可以用于生成坐标。函数输入两个数据类型相同的一维张量，两个输出张量的行数为第一个输入张量的元素个数，列数为第二个输入张量的元素个数，当两个输入张量数据类型不同或维度不是一维时会报错。 其中第一个输出张量填充第一个输入张量中的元素，各行元素相同；第二个输出张量填充第二个输入张量中的元素各列元素相同。 示例代码： import torch a = torch.tensor([1, 2, 3, 4]) print("a=",
pytorch之常用函数整理
m0_49316308的博客
11-24 1293
pytorch之常用函数整理
pytorch常用函数整理
cc__cc__的博客
03-27 582
一些常见函数，经常想不起函数本身的形参包含什么或者某实参对应的是什么含义，所以干脆随手记录在这里了（不断更新）…… # 卷积 torch.nn.Conv2d(self, in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True) # 插值/上采样 torch.nn...
Python/Pytorch常用函数大汇总（持续更新中）
qq_52353238的博客
02-04 1160
nargs - 应该读取的命令行参数个数，可以是具体的数字，或者是?在上面的代码中，我们先导入了argparse这个包，然后包中的ArgumentParser类生成一个parser对象（好多博客中把这个叫做参数解析器），其中的description描述这个参数解析器是干什么的，当我们在命令行显示帮助信息的时候会看到description描述的信息。而对于tensor的计算操作，默认是要进行计算图的构建的，在这种情况下，可以使用 with torch.no_grad():，强制之后的内容不进行计算图构建。
【PyTorch】常用函数总结
彬彬侠的博客
01-12 1652
本文是PyTorch 中最常用的函数分类及其功能总结，涵盖张量操作、自动求导、神经网络构建、数据加载、优化器等模块的常用函数。
Pytorch01—Tensors相关函数—Numpy和Tensor的转化—实现简单的神经网络
m0_38057941的博客
09-26 669
1.什么是PyTorch? PyTorch是一个基于Python的科学计算库，它有以下特点: 类似于NumPy，但是它可以使用GPU 可以用它定义深度学习模型，可以灵活地进行深度学习模型的训练和使用 2.基本函数 torch.empty—返回一个未初始化数据的张量. torch.rand—返回一个由[0,1)随机数填充的张量 torch.zeros—构建一个全为0填充的张量 x.dtype—返回张量的数据类型 torch.tensor([数据])—从数据直接直接构建ten
深度学习里常用的pytorch函数
最新发布
07-08
<think>我们被要求提供深度学习常用的PyTorch函数，并按照系统级指令进行格式化。根据引用[1]和引用[2]，我们可以将常用函数分类整理。 引用[1]中已经提供了PyTorch常用函数的分类总结，包括张量操作、自动求导、神经网络构建、数据加载和优化器等模块。 我们将按照以下结构组织回答： 1. 张量操作（创建、属性、形状操作、索引切片、数学运算） 2. 自动求导 3. 神经网络构建（层、激活函数、损失函数） 4. 数据加载与处理 5. 优化器 6. 设备管理（CPU/GPU） 注意：所有数学表达式使用$...$格式，独立公式使用$$...$$格式。同时，在回答末尾生成相关问题。 由于引用[1]提供了详细的函数列表，我们将以此为基础进行扩展和说明。</think>### PyTorch 常用函数详解 PyTorch 是深度学习的核心框架之一，以下按功能分类总结常用函数（基于引用[1][^1]和引用[2][^2]）： #### 1. 张量操作 **1.1 创建张量** - 基础创建： ```python torch.tensor([1, 2, 3]) # 从数据创建 torch.zeros((2, 3)) # 全零张量 torch.randn((2, 3)) # 标准正态分布张量 ``` - 特殊张量： ```python torch.arange(0, 10, 2) # 生成序列 [0,2,4,6,8] torch.linspace(0, 1, 5) # 等距向量 [0.0, 0.25, 0.5, 0.75, 1.0] ``` **1.2 张量运算** - 形状操作： ```python x.reshape(3, -1) # 重塑张量形状 torch.cat([x, y], dim=0) # 沿维度拼接 ``` - 数学运算： ```python torch.matmul(A, B) # 矩阵乘法 torch.exp(x) # 指数运算 x.mean(dim=1) # 沿维度求均值 ``` #### 2. 自动求导 ```python x = torch.tensor(2.0, requires_grad=True) y = x**2 + 3*x y.backward() # 自动计算梯度 print(x.grad) # 输出梯度值: 7.0 (因 $\frac{dy}{dx}=2x+3$) ``` #### 3. 神经网络构建 **3.1 网络层** ```python nn.Linear(784, 256) # 全连接层 nn.Conv2d(3, 16, kernel_size=3) # 卷积层 nn.LSTM(input_size=10, hidden_size=20) # LSTM层 ``` **3.2 激活函数与损失** ```python nn.ReLU() # ReLU激活 nn.CrossEntropyLoss() # 交叉熵损失 nn.MSELoss() # 均方误差损失 ``` #### 4. 数据加载 ```python from torch.utils.data import DataLoader loader = DataLoader(dataset, batch_size=32, shuffle=True) ``` #### 5. 优化器 ```python optim.SGD(model.parameters(), lr=0.01) # 随机梯度下降 optim.Adam(model.parameters(), lr=0.001) # Adam优化器 ``` #### 6. 设备管理 ```python device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model.to(device) # 模型转移到GPU ``` ### 典型应用示例 ```python # 简单神经网络训练流程 model = nn.Sequential( nn.Linear(784, 256), nn.ReLU(), nn.Linear(256, 10) ) optimizer = optim.Adam(model.parameters()) loss_fn = nn.CrossEntropyLoss() for x, y in dataloader: pred = model(x) loss = loss_fn(pred, y) loss.backward() optimizer.step() optimizer.zero_grad() ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值