nts_getWriteableBuffer是干啥的&&它是如何使用的

博客围绕Tensor类型连续空间展开,介绍通过特定语句创建Tensor连续空间,类比数组。提出为何不用变量X而需getWriteableBuffer获取内存位置的问题,解答因Tensor不如数组灵活,只能用指针处理数据。还提及Graph<Empty>实例指针graph调用getWritableBuffer获取tensor内存位置。

已知:通过NtsVar X = NewLeafTensor( {raw,column}, torch::DeviceType )就可以创建一个Tensor类型的连续空间,创建完之后就类似于数组 int tt = new int[raw][column]
      这个 X 就等同于 tt 都保存着 这串连续的内存空间 的首地址,因此,可以用数组名来表示这串数据也可以将其作为存放地址的一个变量
问题:哪位啥我们还需要getWriteableBuffer(X)来得到这个tensor对应的内存空间的位置呢,直接用X不就可以了么?
回答:因为,虽然Tensor可以近似理解为数组,但是Tensor无法像数组那么灵活, 所以只能先通过getWriteableBuffer来得到这个tensor对应的内存空间,然后再进行处理 
      (即,只能通过指针处理tensor中的数据,X虽然存放Tensor数组首地址,BUT 无法直接对内存进行处理)

那要怎么调用getWriteableBuffer呢?

Graph<Empty>类型的实例指针graph调用这个类型的函数getWritableBuffer(MMM),目的是:获得tensor MMM 在内存中的位置,赋给指针

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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