pytorch筛选统计

AI算法网奇

已于 2022-04-07 15:29:35 修改

阅读量5.9k

点赞数

CC 4.0 BY-SA版权

分类专栏： pytorch知识宝典文章标签： pytorch

于 2019-01-23 00:01:04 首次发布

本文链接：https://blog.youkuaiyun.com/jacke121/article/details/86603541

pytorch知识宝典专栏收录该内容

512 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

这篇博客探讨了PyTorch中关于求和与维度统计的操作。文章指出`torch.sum`默认对所有元素求和，而按维度统计能保留原始形状。作者还指出了在进行阈值筛选时的常见错误示例，并提供了正确实现的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

sum是按我维度统计的，torch.sum 默认是所有求和，

import torch
if __name__ == '__main__':

    data=torch.linspace(1, 27, steps=27).view(9, 3)

    sum_a=sum(data>5)
    print(sum_a)

    print(torch.sum(data>5))

结果：

tensor([7, 7, 8])
tensor(22)

pytorch按维度统计：

import torch
if __name__ == '__main__':

    data=torch.linspace(1, 27, steps=27).view(9, 3)

    sum_a=sum(data>5)
    print(sum_a)

    print(data.shape)
    print(torch.sum(data>5,dim=0))
    print(torch.sum(data>5,dim=1))

结果：

tensor([7, 7, 8])
torch.Size([9, 3])
tensor([7, 7, 8])
tensor([0, 1, 3, 3, 3, 3, 3, 3, 3])

但是这个是不对的：

aa= torch.sigmoid(conf

了解本专栏