pytorch学习笔记（一）基本数据类型

最新推荐文章于 2024-07-30 12:58:31 发布
原创 最新推荐文章于 2024-07-30 12:58:31 发布 · 225 阅读 · 2 ·
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。

博客介绍了torch.Tensor这种包含单一数据类型元素的多维矩阵，提及了string的表达方法如one - hot和Embedding编码，还阐述了不同维度数据的表示，如0维标量、1 - 4维向量/张量，且指出不同维度适合的处理场景，如RNN文字处理、神经网络图像处理。

数据类型

torch.Tensor是一种包含单一数据类型元素的多维矩阵。
python与pytorch的数据类型对照
那么怎么表达string呢？

  • one-hot
    [1 0] dog [0 1] cat
    每一个位置代表一个意思，相关性不强
  • Embedding编码

Data type
打勾部分是常用的类型

数据表示

  • 维度为0的标量用torch.tensor(1.3)表示。
  • 维度为1的向量/张量
    维度为1的张量创建方法
  • 维度为2 的向量表示
    二维向量
  • 维度为3
    在这里插入图片描述
    适合处理RNN，文字处理
  • 维度为4
    维度为4
    适合神经网络，图像处理
Pytorch学习笔记 | 数据类型 | mnist数据集
若北辰
07-27 503
python中数据类型和pytorch中的对应关系。注意：pytorch是没有没有string类型的。
pytorch学习笔记（五）--tensor的高阶操作
ThetaQing的博客
07-12 900
where torch.where(condition,x,y)
13.线性单元和梯度下降 用python求解LMS算法 聚合theta值(出现nan值,已解决)
m0_57656758的博客
10-03 1031
supervised learning➡️neural networks 神经网络改变了监督学习!
正常的仿射变换矩阵F和pytorch的affine_grid()中 “theta”的区别
weixin_43905212的博客
09-12 1486
记录一个大坑！！！ https://discuss.pytorch.org/t/how-to-convert-an-affine-transform-matrix-into-theta-to-use-torch-nn-functional-affine-grid/24315/3
pytorch学习笔记（四）--tensor的基本运算
ThetaQing的博客
07-11 7497
加减乘除 矩阵相乘 torch.mm 只适用于2d，不推荐 torch.matmul 推荐使用 @ 运算符重载 次方运算 a = torch.full([2,2],3) aa = a.pow(2) 操作运算如下： a.pow(n) 表示an a**n 表示an aa.sqrt() 表示aa 1/2 aa.rsqrt() 表示aa1/3 注意这里没有torch. 幂/对数 a = to...
深度学习中的embedding
热门推荐
星辰大海，脚踏实地
12-03 7万+
分类输入数据(Categorical Input Data) 分类数据是指表示来自有限选择集的一个或多个离散项的输入特征。 例如，它可以是用户观看的电影集，文档中的单词集或人的职业。 分类数据通过稀疏张量(sparse tensors)表示最有效，稀疏张量是具有非常少的非零元素的张量。 例如，如果我们正在构建电影推荐模型，我们可以为每个可能的电影分配一个唯一的ID，然后通过用户观看过的电影的稀疏张...
pytorch学习笔记（二）--tensor的基本操作
ThetaQing的博客
07-10 740
创建tensor 从numpy导入 从list里面导入 tips: orch.tensor()里面的参数只能是numpy数据或list,即现成的数据；torch.Tensor/FloatTensor()参数为数据的维度,如果是接收现成的数据，要用list形式，如第四行表示方法（不建议使用，易混淆），如果是torch.Tensor/FloatTensor(2,3)表示数据shape为2*...
pytorch学习笔记1 数据类型
Leo@Apas
07-30 515
a=torch.randn(2,3)
Pytorch学习笔记【B站：小土堆】
m0_58730471的博客
07-20 4437
pytorch学习入门
pytorch学习笔记——数据类型的转化
phily123的博客
12-17 4484
参考链接：[https://mp.weixin.qq.com/s/yz8l54VusPWmF6dWkYL1VA] https://zhuanlan.zhihu.com/p/87441580 np.ndarray与PIL.Image的转换 image = PIL.Image.fromarray(ndarray.astype(uint8)) ndarray = np.asarray(PIL.Image.open(path)) PIL.Image转Opencv image = cv2.cvtColor(numpy
pytorch学习笔记（一）pytorch基础知识
qq_51738873的博客
08-15 610
张量是现代机器学习基础，它的核心是一个数据容器，不同维度的张量可以表示不同的数据类型3维：时间序列4维：图像5维：视频但是，在机器学习工作中，我们经常要处理不止一张图片或一篇文档——我们要处理一个集合。在PyTorch中，是存储和变换数据的主要工具PyTorch 中，所有神经网络的核心是autograd包。autograd包为张量上的所有操作提供了自动求导机制。它是一个在运行时定义 ( define-by-run ）的框架，这意味着反向传播是根据代码如何运行来决定的，并且每次迭代可以是不同的。......
精选资源
pytorch学习笔记（一）
01-06
tensor是pytorch的最基本数据类型，相当于numpy中的ndarray，并且属性和numpy相似，tensor可在GPU上进行运算。 tensor常见的基本属性： 1.创建tensor 通常此类方法都有以下属性，特别注意，区别numpy，一般这里的...
精选资源
Pytorch学习笔记Day一（Numpy学习）
01-07
Numpy学习 数组有几个非常重要的...ndarray.dtype = int64:数组元素数据类型。 ndarray.itemsize= 8:数组元素所占字节数。 ndarray.data:通常不用，通常用索引方法，用于读元素。   创建数组 import numpy as np a =
pytorch学习笔记（六）--典型函数（普通函数、激活函数、损失函数）梯度
ThetaQing的博客
07-17 407
分类 主要有导数（标量）、偏微分（特殊的导数，标量）、梯度（由偏微分组成的向量）三类 极小值求解 影响因素： 初始状态 学习率，影响收敛速度和精度 动量，逃离局部最小值 ...
（62页PPT）微专题14　测电阻的几种特殊方法.pptx
最新发布
01-06
（62页PPT）微专题14　测电阻的几种特殊方法.pptx
GeneratedClass1146.java
01-06
GeneratedClass1146.java
数字乡村解决方案（第一部分）.pdf
01-06
源码地址： https://pan.quark.cn/s/27933535a1f6 数字乡村解决方案（第一部分共130页）的电子文档格式
完美复现面向配电网韧性提升的移动储能预布局与动态调度策略【IEEE33节点】（Matlab代码实现）
01-06
【完美复现】面向配电网韧性提升的移动储能预布局与动态调度策略【IEEE33节点】（Matlab代码实现）内容概要：本文介绍了基于IEEE33节点的配电网韧性提升方法，重点研究了移动储能系统的预布局与动态调度策略。通过Matlab代码实现，提出了一种结合预配置和动态调度的两阶段优化模型，旨在应对电网故障或极端事件时快速恢复供电能力。文中采用了多种智能优化算法（如PSO、MPSO、TACPSO、SOA、GA等）进行对比分析，验证所提策略的有效性和优越性。研究不仅关注移动储能单元的初始部署位置，还深入探讨其在故障发生后的动态路径规划与电力支援过程，从而全面提升配电网的韧性水平。; 适合人群：具备电力系统基础知识和Matlab编程能力的研究生、科研人员及从事智能电网、能源系统优化等相关领域的工程技术人员。; 使用场景及目标：①用于科研复现，特别是IEEE顶刊或SCI一区论文中关于配电网韧性、应急电源调度的研究；②支撑电力系统在灾害或故障条件下的恢复力优化设计，提升实际电网应对突发事件的能力；③为移动储能系统在智能配电网中的应用提供理论依据和技术支持。; 阅读建议：建议读者结合提供的Matlab代码逐模块分析，重点关注目标函数建模、约束条件设置以及智能算法的实现细节。同时推荐参考文中提及的MPS预配置与动态调度上下两部分，系统掌握完整的技术路线，并可通过替换不同算法或测试系统进一步拓展研究。
PyTorch学习笔记与实战代码详解
本资料标题为“【PyTorch学习】代码及笔记”，描述为“pytorch代码”，结合标签如“PyTorch, 深度学习, 神经网络, 机器学习, Python, Tensor, 自动求导, 模型训练, 代码实现, 学习笔记”以及压缩包中包含的文件夹...
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

打赏作者

ThetaQing

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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