Tensor属性的编程实例-稀疏张量

该段代码展示了在PyTorch中如何创建和操作Tensor,包括指定设备(CPU或GPU)和数据类型,以及使用sparse_coo_tensor函数创建稀疏张量并转换为稠密张量。
部署运行你感兴趣的模型镜像

Tensor的属性

import torch

# dev = torch.device("cpu")
dev = torch.device("cuda:0")
# a = torch.tensor([2,2], device=dev)
# a = torch.tensor([2,2], dtype=torch.float32, device=dev)
# print(a)

i = torch.tensor([[0,1,2], [0,1,2]])
v = torch.tensor([1, 2, 3])
a = torch.sparse_coo_tensor(i, v, (4, 4), dtype= torch .float32, device= dev ).to_dense()
print(a)

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

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
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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