qq_43799400的博客

维度不同的 Tebsor 如何相加呢？但是是自动填充对应维度，使维度相同后再相加。如 torch.Size([1, 2, 3, 4]) 与 torch.Size([3, 4]) 相加，先将后者填充为 torch.Size([1, 2, 3, 4]) ，二者相加后 shape 为 [1, 2, 3, 4]torch.Size([3, 2, 1, 4]) 与 torch.Size([3, 4]) 相加，则先将两者填充为 torch.Size([3, 2, 3, 4]) ，二者相加后 shape 为 [3,

将 Tensor 保存为 pth 文件再加载即可。这种方法对于不同 device 的服务器之间的算子测试，以及保存 size 很大的 Tensor 非常方便。a=torch.randn([3,4],device='cpu')torch.save(a,"a.pth") # 保存Tensor为pth文件b=torch.load("a.pth",map_location="cuda:0") # 指定加载的deviceprint(b)输出：tensor([[-0.2660, 0.5144,

pytorch中tensor的形状 [n,1] 与 [n] 的区别

PyTorch 保存和加载模型、以及查看模型结构的方法

关于 python 迭代器的基本介绍和使用可以看我之前写的博客： Python迭代器的创建和使用：iter()和next()方法，迭代器长度的获取一、从一个简单的列表引入迭代器将一个列表转换为迭代器（用 iter 方法），并逐个元素打印。print(list(range(5))) # [0, 1, 2, 3, 4]myiter = iter(list(range(5))) # 用iter方法将list转换为iteratorfor x in myiter: print(x)

pytorch 提取网络中的某一层并冻结其参数

PyTorch 反向传播报错：RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.cuda.FloatTensor [12, 128, 64, 64]], which is output 0 of ReluBackward0, is at version 1; expected version 0 instead. Hint:

Softmax 函数的数学原理分析和 PyTorch 使用

一、torch.Tensor1、torch.Tensor 的基本用法torch.Tensor 默认数据类型是 float32torch.LongTensor 默认数据类型是 int64数据类型转换可通过 t.int() 和 t.float()实现t.size(): 查看形状，与 t.shape 等价t.ndim: 查看维数t.numel(): 查看元素总数type(t): 查看数据结构类型t.dtype: 查看元素数据类型example：import torchb=torch.Te

第一次用tensorboard查看数据发现打开网站没有数据。命令：tensorboard --logdir=logs报错：网上有很多解决方法，有的说把命令中的等号去掉，有的说 logs 要加双引号，有的说要用绝对路径，甚至还有说要装 tensorflow 才能打开。众所周知 pytorch1.1.0 版本之后的 pytorch 已经可以独立使用 tensorboard 了，与 tensorflow 无关。要说的是 tensorboard --logdir=logs 这个命令格式毫无问题，这里有一个