torch.permute()/torch.cat()/torch.add()

原创 已于 2022-03-08 19:03:34 修改 · 3.1k 阅读 · 14 ·
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。
文章标签：

#python #pytorch

于 2020-12-14 18:17:22 首次发布
本文介绍了在PyTorch中，torch.permute()、torch.cat()和torch.add()在维度转换中的应用。重点讲解了如何通过这些函数进行卷积维度合并、维度变换和维度转换，以适应不同场景的需求，如特征图的拼接、融合以及维度重塑，对于构建复杂的网络结构十分有帮助。

维度转换

在torch中应用卷积的时候，我们有时候遇到一些问题。在cv领域我们常见的就是用二维卷积将图片中各种特征进行提取，但是目标检测、分割中都没有涉及到时域。但是一旦涉及到提取时域特征的话，下面三种维度转换就会非常有用，我们可以建立更加丰富的网络。我们可以用一维、二维、三维卷积提取到更加丰富的信息，提升我们网络的鲁棒性。

1.卷积维度合并

torch中torch.cat()和paddle、tensorflow中concate一样，将目标特征图在不同维度上进行拼接。
应用场景，当将特征图分块处理之后，我们在需要将特征进行形状还原的时候使用。而torch.add()代表 的尺寸一样的特征图进行内值相加。这种一般用于特征融合的，提取多特征的时候进行特征融合的时候使用。

// An highlighted block
x0 = torch.rand(3, 224, 224)
x1 = torch.rand(
最低0.47元/天 解锁文章
torch.cat()、 torch.add()、torch.subtract()、torch.subtract()和torch.div()函数详解和示例
不定时分享，互相学习，共同进步
11-12 4098
本文通过原理和示例对torch.cat()、 torch.add()、torch.subtract()、torch.subtract()、torch.div()和torch.linalg.solve() 函数进行详解，以帮助大家理解和使用。
pytorch中torch.cat()函数理解
u013925378的博客
12-05 1506
pytorch中torch.cat()函数： 功能：拼接两个tensor。 用法：把两个tensor A和B拼接在一起，可进行如下操作： C = torch.cat( (A,B),0 ) #按维数0拼接（竖着拼） C = torch.cat( (A,B),1 ) #按维数1拼接（横着拼） 示例说明： 1）按维数0拼接 >>> import torch >...
PyTorch中permute和view到底怎么选？99%的开发者都用错了
最新发布
AlgoChat的博客
10-30 720
掌握PyTorch张量维度变换技巧，轻松区分permute与view的适用场景。permute用于交换维度顺序，view则用于重塑形状，二者不可混用。理解其内存布局差异，避免常见错误。高效处理深度学习数据，值得收藏。
学习记录——关UNet、特征图add、cat、相乘、三个 注意力
Chaoy6565的博客
09-10 1055
通俗的来讲就是在网络的高层（就是U型的上部分），获取了图形的细节信息（因为这时候图片很大，很多细节可以得以保留）。特征图拼接的优点是能够保留两个特征图的所有信息，适用于需要同时考虑不同特征的任务。通过add操作，会得到新的特征，这个新的特征可以反映原始特征的一些特性，但是原始特征的一些信息也会在这个过程中损失。这部分有利于将下采样的各个阶段的信息在上采样过程中进行整合，就是在上采样的过程中，结合了各个层次的结构信息。特征图相乘的优点是可以增强共同出现的特征并减弱不重要的特征，适用于需要突出共同特征的任务。
Pytorch torch.add() torch.add_() 用法
百般回首曾经的相遇，留下的只是一缕残忆
07-26 1万+
Pytorch torch.add() torch.add_() 用法
【PyTorch常用库函数】torch.add()：张量的加法操作
鸽芷咕的博客
09-04 1232
PyTorch作为一个流行的深度学习框架，以其动态计算图和易用性受到广泛欢迎。在构建和训练神经网络时，我们经常需要对张量进行各种数学运算，其中最基础的就是加法运算。PyTorch提供了专门的函数——torch.add()来实现张量的加法操作。
torch.tensor.permute()函数《pytorch学习》
猛男的博客
10-08 1216
引言：首先我个人理解为这个函数是一个张量维度变换、张量矩阵转置的函数。 1.张量维度变换。 官方给出的是这个样子：Tensor.permute(*dims)→ Tensor（还是不太懂） 于是参考了这里，然后自己整理思绪，探索了一下！下面给出例子！ 代码： data1=torch.randn((3,2,1)) print('data1的数据类型：',type(data1)) print('data1的数据维度：',data1.shape) data2=data1.permute(2,1..
torch.transpose（）与 torch.permute()区别
05-14
torch.transpose() 和 torch.permute() 都是 PyTorch 中的张量操作函数，用于改变张量的形状和维度顺序，但它们有一些区别。 torch.transpose() 是对张量进行转置操作，可以交换张量的两个维度，比如将一个 2x3 的...
x.permute torch.cat
08-26
我们正在处理用户关于PyTorch中x.permute和torch.cat用法的问题。根据用户意图，我们需要解释这两个函数的使用方法，并提供示例代码。 注意：用户可能是在处理张量操作，特别是在维度变换（permute）和连接（cat）...
torch.transpose（）与 torch.permute()例程
05-14
torch.transpose() 和 torch.permute() 都是 PyTorch 中用于转置张量的函数，但它们的用法略有不同。 torch.transpose() 用于交换张量的两个维度。例如，如果原始张量的形状为 (2,3,4)，则可以使用 torch.transpose...
Pytorch之torch.add()语法、参数和实际应用案例
王国平的博客
07-20 799
`torch.add()` 是 PyTorch 中用于执行张量加法的基础函数，支持多种输入类型和广播机制。
pytorch学习笔记1：张量
weixin_44740082的博客
06-07 1614
目录 Tensor与numpy相互转换： torch.ones(),torch.add(),torch.zeros(),torch.squeeze() Tensor与numpy相互转换： import torch x=torch.Tensor(2,3)#生成一个4*5的Tensor张量 将Tensor转换为numpy数组 y=x.numpy() 将numpy数组转换为Tenso...
torch的max，sqeeze，unsqueeze，permute，cat，view测试
影子
03-08 252
【代码】torch的max，sqeeze，unsqueeze，permute，cat，view测试。
PyTorch cat, stack, transpose, permute, view和reshape详解
frighting_ing的博客
01-03 1548
简述 使用Pytorch过程中，我们经常对torch类型矩阵进行变换，常用的命令较多，我也将常用的命令进行学习整理，欢迎各位小伙伴一起学习，有错误欢迎批评指正！ 1. cat 对数据沿着某一维度进行拼接。cat后数据的总维数不变. 比如下面代码对两个2维tensor（分别为2x3,1x3）进行拼接，拼接完后变为3x3还是2维的tensor。 import torch x = torch.randn(2, 3) #tensor([[ 0.6614, 0.2669, 0.0617], # [
深度学习——torch相关函数用法解析
Elon15的博客
02-14 3402
深度学习——torch相关函数用法解析
torch.cat 多维数组的加法add/连接cat理解及实践记录
MengYa_Dream的博客
10-05 2123
详细解说 C=torch.cat((A[:,:1,:],B[:,:1,:]),1) D = A[:,:1,:] + B[:,:1,:] 图像处理中的涉及多维数组/向量计算，简化实践记录加法计算，add(+) 和 cat 两种方式。 简单案例叙述： 仿照图像H*W*C，3×3×3张量（tensor）A和B。 C表示A和B的cat D表示A和B的add
torch中permute()函数用法
热门推荐
ac不知深的博客
10-18 5万+
前言：本文只讨论二维三维中的permute用法 最近的Attention学习中的一个permute函数让我不理解 这个光说太抽象 我就结合代码与图片解释一下 首先创建一个三维数组小实例 import torch x = torch.linspace(1, 30, steps=30).view(3,2,5) # 设置一个三维数组 print(x) print(x.size()) # 查看数组的维数 这里为了防止出现维数数值相同的巧合局面（例如三维数组（3,3,3）或者（2,4,4）等） 输出
torch.permute方法使用，后需要加.contiguous()方法
qq_43369406的博客
04-07 2373
pytorch的permute方法用于调整矩阵的维度。同numpy的transpose()方法，但需要注意的是使用permute后需要使用contiguous方法。在PyTorch中，permute()方法可以重新排列张量的维度。但是，由于内存布局的原因，有时需要使用contiguous()方法来确保张量是连续的。如果张量不是连续的，则可能会导致一些操作失败。在这个例子中，我们使用permute()方法将第一个维度移动到最后一个维度。然后，我们使用contiguous()方法来确保张量是连续的。
torch中permute()函数的结果怎么从原张量来的
凉面&凉粉的博客
08-24 870
理解pytorch的permute函数的变换
评论
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