zzy_NIC的博客

Tensor的操作Tensor的主要运算操作通常分为四大类：Reshaping operations（重塑操作）Element-wise operations（元素操作）Reduction operations（缩减操作）Access operations（访问操作）元素操作​ 元素在张量中的位置由定位每个元素的索引决定，而元素操作是对张量元素的运算，这些张量元素在张量中对应或有相同的索引位置，这里需要重点强调的是，两个张量必须具有相同的形状才能执行一个元素操作，而具有相同的形状意味着张量

torch.nn.Embedding 的详细介绍！

Tensor的缩减操作Tensor的主要运算操作通常分为四大类：Reshaping operations（重塑操作）Element-wise operations（元素操作）Reduction operations（缩减操作）Access operations（访问操作）缩减操作​ 一个张量的缩减操作是一个减少张量中包含的元素数量的操作，其实质就是允许我们对单个张量中的元素执行操作。常见的缩减操作主要有：sumprodmeanstdmaxargmax下面以sum、max和

Tensor的操作Tensor的主要运算操作通常分为四大类：Reshaping operations（重塑操作）Element-wise operations（元素操作）Reduction operations（还原操作）Access operations（访问操作）重塑操作​ 在重塑操作上，以如下张量为实例进行演示：import torcht = torch.tensor([ [1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]]

Tensor的基础知识张量的基本概念​ 张量（Tensor）是神经网络中使用的主要数据结构，在网络的输入、转换和输出都涉及到张量。张量的概念是对其他更具体概念的数学概括，张量在计算机科学方面和数学方面本质上相同，但术语不同，对比图如下，其中Indexes required表示需要的索引数。​ 换言之，在深度学习和神经网络中，张量是n维数组，我们用张量这个词来表示所有的n值，比如标量是零维张量、矢量是一维张量、矩阵是二维张量、n维数组是n维张量。张量的基本属性张量的基本属性主要有三个：秩（Ra

Tensor的访问操作Tensor的主要运算操作通常分为四大类：Reshaping operations（重塑操作）Element-wise operations（元素操作）Reduction operations（缩减操作）Access operations（访问操作）访问操作当我们希望从一个张量中获得具体的标量值时，可以对张量进行访问操作。（1）访问单元素张量（item张量法）t = torch.tensor([ [1, 2, 3], [4, 5, 6],

在使用图神经网络的过程中，往往需要使用到相关的 GNN 库，而在这些 GNN 库中，一款比较高效热门的图神经网络库是 PyTorch 中的 PyG 库。PyG 提供了很多经典的图神经网络模型和图数据集，通常在使用 PyG 框架来构建和训练图模型时，需要事先选择合适的图数据结构来构造图，PyG 提供的选择包括 Data、HeteroData、TemporalData。

conda实现Python虚拟环境的创建虚拟环境的背景​ 在同一台主机上创建和运行不同的开发项目是一件很常见的事件，但是在这个过程中，难免会遇到项目的依赖具有差异的问题，即在每次切换不同的项目时，都必须考虑当前python软件包或模块的版本是否符合该项目的需求，也就是一个Python安装可能无法满足每个应用程序的要求。举例来说就是如果现在有一个应用程序A需要特定模块的1.0版本，但另一个应用程序B需要2.0版本，则需求存在冲突，安装版本1.0或2.0将导致某一个应用程序无法运行，因此，为了解决这类问题，

Python argparse模块详解argparse 是一个用来解析命令行参数的 Python 库，它是 Python 标准库的一部分。基于 python 2.7 的 stdlib 代码。argparse 模块使编写用户友好的命令行界面变得容易。程序定义了所需的参数，而 argparse 将找出如何从 sys.argv 中解析这些参数。argparse 模块还会自动生成帮助和使用消息，并在用户为程序提供无效参数时发出错误。简单实现圆柱体体积的计算为了便于对argparse命令行参数解析模块的理解，我