Pytorch实用方法整理（2）——细节决定成败

Manduner_TJU

于 2019-02-25 22:35:03 发布

阅读量264

点赞数

分类专栏： Pytorch学习笔记文章标签： pytorch

本文链接：https://blog.youkuaiyun.com/manduner/article/details/87924338

版权

Pytorch学习笔记专栏收录该内容

2 篇文章

订阅专栏

本文详细介绍了PyTorch中张量的基本操作，包括元素比较、最大值查找及索引获取、张量维度信息获取等，适用于初学者快速掌握PyTorch基本用法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1，(a==b).sum()

import torch

a = torch.tensor([2,3,3,4]) 
b = torch.tensor([2,2,3,5]) 
c = torch.tensor([1,2,3])
print(a == b) #返回：tensor([1, 0, 1, 0], dtype=torch.uint8) 
print((a==b).sum().item()) #返回：2

print(c.sum().item()) #返回：6，即c中所有元素之和

2，torch.max()

import torch

a = torch.randn(3,4)
print(a)
print(torch.max(a,1)) #返回：a中每一行的最大值，及最大值的列索引
print(torch.max(a,0)) #返回：a中每一列的最大值，及最大值的行索引

value, index = torch.max(a,1) #返回的第一个值是矩阵中元素，返回的第二个值是索引值

3，size(0)

import torch

a = torch.tensor([1,2,3,4])
b = torch.randn(3,32,32)
print(a.size()) #返回：torch.Size([4])
print(a.size(0)) #返回：4，方便标量之间的加减运算

print(b.size()) #返回：torch.Size([3,32,32])
print(b.size(0)) #返回：3
print(b.size(1)) #返回：32