Pytorch代码——持续更新

理解PyTorch中的连续两次argsort操作
最新推荐文章于 2025-03-17 21:43:11 发布
原创 最新推荐文章于 2025-03-17 21:43:11 发布 · 341 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch

文章讨论了在PyTorch中如何使用argsort函数对张量进行两次排序。第一次argsort按列降序排列，返回索引；第二次argsort则给出每个元素在新序列中的排名。举例说明，如第二行[0,4,1]经过升序排序后变为[1,2,0]，对应的排名为[2,0,1]。
部署运行你感兴趣的模型镜像

1 连续两个argsort

返回张量中每个元素对应的排名

torch.argsort(torch.argsort(pred, dim=1, descending=True),
                    dim=1,
                    descending=False)

例子

使用一个argsort后得到的是张量中按列降序排序后的索引，

再使用一个argsort后是张量中每一个元素的排名。

例如第2行中，[0,4,1]升序后的索引为[1,2,0]，每个元素的排名为[2,0,1]

 

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

深度学习pytorch——多分类问题（持续更新）
2201_76139143的博客
03-24 2148
1、回归问题的目标是使预测值等于真实值，即pred=y。2、求解回归问题的方法是使预测值和真实值的误差最小，即minimize dist(pred,y)，一般我们通过求其2-范数，再平方得到它的最小值，也可以直接使用1-范数。
深度学习pytorch——索引与切片（持续更新）
2201_76139143的博客
03-16 551
【代码】深度学习pytorch——索引与切片。
【Torch API】pytorch中的torch.argsort() 函数详解
devil_son1234的博客
01-18 1100
torch.argsort() 函数详解
pytorch argsort python识别未知参数
jacke121的专栏
08-14 2459
import torch data=torch.arange(10).view(2, 5) print(data) aaa=torch.flip(data, dims=[ 1]) print(aaa) bbb=torch.flip(data, dims=[0]) # 对第0维进行反转 print(bbb) ccc= torch.flip(data, dims=[0, 1]) # 对第0、1维进行反转 print(ccc) ddd= data.flip(dims=[0, 1]) # 对第...
Pytorch torch.sort()、torch.argsort()函数解析
热门推荐
Drug discovery
10-26 1万+
""" numpy的聚合运算 """ #生成100个0-0.99999之间的数 L=numpy.random.random(100) numpy.sum(L) numpy.min(L) numpy.max(L) X=numpy.arange(16).reshape(4,-1) big_array=numpy.array([1,1,2,2,10]) numpy.sum(X,axis=0)#[24 28 32 36],求出的是每一列的和 numpy.sum(X,axis=1)#求出的是每一行的和 nump.
numpy--argsort含义及连续两个argsort用法
sunghosts的专栏
09-16 1589
官方文档： https://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.argsort.html#numpy.argsort argsort函数返回的是数组值从小到大的索引值 >>> x = np.array([3, 1, 2]) >>>> np.argsort(x) array([1, 2, 0]) >>> np.argsort(-x) #按降序排列 array([0,2,1
Pytorch中torch.sort()和torch.argsort()函数解析
flyingluohaipeng的博客
06-02 1万+
torch.sort()，如下图所示： 输入input，在dim维进行排序，默认是dim=-1对最后一维进行排序，descending表示是否按降序排,默认为False，输出排序后的值以及对应值在原输入imput中的下标3.1 dim = -1 表示对每行中的元素进行升序排序，descending=False表示升序排序 3.2 dim = 0 表示对每列中的元素进行升序排序，descending=False表示升序排序 3.3 dim = 0 表示对每列中的元素进行降序排序，descending=T
深度学习pytorch——激活函数&损失函数（持续更新）
2201_76139143的博客
03-22 2686
论生物神经元与神经网络中的神经元联系——为什么使用激活函数？我们将生物体中的神经元与神经网络中的神经元共同分析。从下图可以看出神经网络中的神经元与生物体中的神经元有很多相似之处，由于只有刺激达到一定的程度人体才可以感受到刺激，并且人体对刺激做出的响应是有限的，所以在输出之前应该经过激活函数。这个激活函数可以将原来发散的数据变成收敛的数据。什么是梯度？函数在某一点的梯度是这样一个向量，它的方向与的方向一致，而它的模为方向。
深度学习pytorch——经典卷积网络之ResNet（持续更新）
2201_76139143的博客
03-30 1228
我们将最后的输出设置为 H(x) ，我们将堆叠的非线性层去拟合F(x) = H(x) - x ，原来的映射就变成了F(x) + x （F(x)必须和x的维度相同，如果不相同可是使用1*1卷积或者增加padding）。相当于我们在一些非线性对叠层之间插入了一个短路（shortcut connection），如果堆叠之后的模型的训练Error比之前还要差，就会直接走短路通道，如果堆叠之后的模型比之前好了，就进行堆叠，至于在几个堆叠层之间插入一个短路，这取决于训练的参数。
第十四周机器学习笔记：Transformer（下）；Pytorch学习——完整的模型训练套路；数学拓展——梯度（gradient）
Zcymatics的博客
09-29 1248
本周周报在机器学习的理论内容中，概述了Transformer里面Decoder的内容，其中包括Decoder的结构、autoregressive decoder（自回归解码器）以及non-autoregressive decoder（非自回归解码器），此外还讲述了Transformer 的训练过程，并在最后提供了序列到序列模型训练常用的Tips。在Pytorch代码学习中，本周报详细的讲述了训练模型的一些常用手段和流程，并通过代码实现了包括数据收集、模型搭建、模型训练、结果展示等过程。
令人又爱又恨的torch.argsort用法
REfusing的博客
09-17 1579
每次使用argsort用法，让人又爱又狠，一段时间不用，就忘了其如何使用，导致花费大量的实践进行理解，刚开始学习这个函数时认为这个函数输出每个数的排名，例如[4, 7, 9, 8]->[0, 1, 3, 2]， 从小到大进行排名，但是实际上并不是这个作用，而实将数据进行排名，排名的数字是原始数据的id。所有其显示内容与我们预期结果不符。
【Pytorch学习：对比与总结】
qq_43306960的博客
02-22 2562
前言 本博客主要作为个人学习使用，记录Pytorch与计算机视觉学习过程当中遇到的一些有用的代码技巧，以及一些函数的效果对比，方便查阅与交流，有关的问题欢迎大家在评论区进行讨论，也欢迎大家补充自己觉得好用的代码技巧。
torch.argsort 函数介绍
qq_27390023的博客
10-21 971
函数非常适合需要知道张量元素排序顺序的场景。它返回的是元素在升序或降序排序中的索引，而不是排序后的实际值。结合其他 PyTorch 函数（如gather），可以灵活实现很多数据处理操作。
numpy和pytorch的argsort结果不同
iTom's blog
03-26 3215
Notes 将 mAP（@R）计算代码 改一份 pytorch 版的，结果跑出不同结果，发现 numpy 和 pytorch 的 argsort 返回的结果不同，测试算出的 mAP 差异有点大。 但是…并不能说有错，只是对相等的元素，numpy 好像还按下标升序排（稳定排序，归并？），pytorch 没有（快排？）。 Environment numpy 1.18.1 pytorch 1.14.0...
简要介绍torch.sort()和torch.argsort()
weixin_46137910的博客
11-06 923
在上面的示例中，输入张量x被排序为[1, 2, 3, 4, 5]，并返回了排序后的张量[1, 2, 3, 4, 5]和相应的索引张量[1, 3, 0, 2, 4]，表示排序后的元素在原始张量中的位置。函数返回一个新的张量，其中包含原始张量中元素按升序排序的索引。在上面的示例中，输入张量x被排序为[1, 2, 3, 4, 5]，并返回了排序后的索引张量[1, 3, 0, 2, 4]，表示按升序排列后的元素在原始张量中的位置。排序后的张量具有与输入张量相同的形状，而索引张量表示排序后的元素在原始张量中的位置。
torch.argsort（）函数组合的奇效
weixin_44587732的博客
07-04 456
因为ids_shuffle的值记录的是随机创建的X_采样子序列中每个位置的元素对应原X序列的位置，ids_restore获取的过程可以分为两步理解：（1），对ids_shuffle的值从小到大排序，即原始序列X从0-N的排序，就是X的原始序列位置。例如这里我的X[0]在ids_shuffle中的位置为1， X[1]在ids_shuffle中的位置为0, X[2]的位置为2 ，X[3]的位置为4，X[4]的位置为3.ids_restore：[1,0,2,4,3]比如我抽取 X[3] X[0] X[4]
为什么经过两次np.argsort就能得到当前位置的值在整体中的排序？
Caidaji的博客
12-03 414
argsort函数作用，得到矩阵中值的升序排列的位置所在序号对矩阵a进行第一次使用argsort函数，得到b升序值位置所在序号（包含连续变化的大小关系，去掉了原本的数字含义，具有两个信息：升序+位置信息）；对矩阵进行第二次使用argsort函数，得所在位置值的排序序号c；对矩阵进行第三次使用argsort函数，与第一次所得结果一致d；由于第一次获的了升序序列的位置序号，第二次排序的时候会根据根据这些序号（包含连续变化的大小关系，去掉了原本的数字含义），对位置进行还原F(a)=b;F(b)=c;
torch.argsort&torch.gather
最新发布
scar2016的博客
03-17 695
torch.argsort 的作用是可以将矩阵中的元素进行从小到大排序，得到对应的序号。假设我们有一个向量a表示如下。如果我想通过序号向量b来直接从小到大排序的向量c,那么就需要torch.gather函数。那么从小到大可以得到排序向量为b。
tensor排序
Lomo的博客
11-21 2714
目录tensor排序tf.sort()元素排序得到排序结果tf.argsort()元素排序得到索引两次tf.argsort()得到当前元素排第几 tensor排序 Tensorflow有两个排序功能，一个是元素排序，一个是元素排序索引。 tf.sort()元素排序得到排序结果 功能是默认输出tensor从小到大排序后的结果 tf.sort( values, axis=-1, direction=‘ASCENDING’, name=None ) direction='DESCENDING’为降序排序 tf.a
深度解析：PyTorch——从入门到精通
PyTorch的设计理念深受Python编程语言的影响，强调代码的可读性和简洁性，避免过度复杂的隐式实现。这一特点使得PyTorch对初学者尤其友好，同时也方便了有经验的开发者进行快速原型设计和实验。 PyTorch的一大创新...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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