weixin_59634927的博客

torch.where参数含义：满足这个condition则用这个tensor的元素，否则则用另一个代码如下：# torch.wherea = torch.rand(4, 4)b = torch.rand(4, 4)print(a, b)# 满足这个condition则用这个tensor的元素，否则则用另一个print(torch.where((a > 0.5), a, b))torch.index_select代码如下：# torch.index_s...

Tensor的裁剪可以防止过拟合的出现，也可以有效处理梯度爆炸与梯度消失torch中可以利用clamp进行梯度裁剪A.clamp（a,b）表示将A中的元素裁剪到只剩在a—b范围内，原来小于a的元素将赋值为a，大于b的元素将赋值为b测试代码：import torcha = torch.rand(2, 3) * 10print(a)a = a.clamp(5, 8)print(a)...

p范数：表示这个向量的每个值绝对值的p次方相加求和后得到的数再开1/p次方后所得到的数、torch.dist(a, b, p=n)：表示计算张量a和b之间的ln距离（n为一个参数常量），通常n越大，结果越小代码：import torchtorch.manual_seed(1)a = torch.rand(1, 2)b = torch.rand(1, 2)print(torch.dist(a, b, p=1))print(torch.dist(a, b, p=2))prin

import torchtorch.manual_seed(1)mean = torch.rand(1, 2)std = torch.rand(1, 2)print(torch.normal(mean, std))

Tensor统计学函数第一张图的代码：import torcha = torch.rand(2, 2)print(a)print(torch.mean(a))print(torch.sum(a))print(torch.prod(a))print(torch.std(a))print(torch.var(a))torch.histc(): 求直方图的参数:第一个为要求的tensor，第二个为要划分为几份第三个第三个分别为直方图的最大值最小值，若不填或者填0，0则默认.

目录In-place广播机制​代码In-place即直接将结果赋值给参与运算的某个变量广播机制主要用于将两个维度不同的tensor进行运算，需要满足右对齐，即从右往左看，两个tensor上下两个相对应的维度的数值进行对比，要么相等，要么需要满足其中一个维度为1广播运算可以在搭建网络结构中简化运算代码import torcha = torch.rand(1, 2, 1, 2, 3)b = torch.rand(4, 2, 3) # 这个b的维度后两维度..

目录Tensor的加法运算Tensor的乘法运算​Tensor的除法运算Tensor的矩阵运算矩阵乘法二维高维Tensor的幂运算-对数运算可直接执行的代码Tensor的加法运算前三种都是直接相加，第四种带下划线的方式会改变a的值，即a.add_(b)等价于a=a+bTensor的乘法运算相乘的Tensor必须维度完全相同，并且对应的结果为对应元素相乘Tensor的除法运算Tensor的矩阵运算矩阵乘法二维...

目录1.Tensor的类型2.Tensor的创建方式（初始化）3.Tensor的定义过程代码演示4.Tensor的属性5.稀疏的张量5.1 简介5.2 代码实现1.Tensor的类型2.Tensor的创建方式（初始化）3.Tensor的定义过程代码演示import torch# 直接定义并赋值Tensora = torch.Tensor([[1, 2], [3, 4]])print(a)print(type(a))# 只定义Ten.