1、PyTorch使用结尾的下划线表示函数在张量上原地运行(例如Tensor.sqrt_函数)
2、在Tensor中的乘法,其实是对应位置相乘,而不是数学中的矩阵乘法,比如说:
x = torch.ones(2, 2)
y = x + 2
print(y)
z = y*y
print(z)
输出为:
tensor([[3., 3.],
[3., 3.]])
tensor([[9., 9.],
[9., 9.]])
博客介绍了PyTorch的两个操作要点,一是使用结尾下划线表示函数在张量上原地运行,如Tensor.sqrt_函数;二是Tensor中的乘法是对应位置相乘,并非数学中的矩阵乘法。
1、PyTorch使用结尾的下划线表示函数在张量上原地运行(例如Tensor.sqrt_函数)
2、在Tensor中的乘法,其实是对应位置相乘,而不是数学中的矩阵乘法,比如说:
x = torch.ones(2, 2)
y = x + 2
print(y)
z = y*y
print(z)
输出为:
tensor([[3., 3.],
[3., 3.]])
tensor([[9., 9.],
[9., 9.]])
您可能感兴趣的与本文相关的镜像
PyTorch 2.5
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
790
665

被折叠的 条评论
为什么被折叠?