摘要：
 阅读全文
posted @ 2025-03-21 14:54
xiezhengcai
阅读(33)
评论(0)
推荐(0)
摘要：
多个张量堆叠的时候，将张量理解为索引(树)形状。然后将每个张量想象成纸张一样，从下往上的堆叠，然后再根据所在的维度将其合并，即得到堆叠后的张量 阅读全文
posted @ 2025-03-16 19:58
xiezhengcai
阅读(15)
评论(0)
推荐(0)
摘要：
沿着某个维度操作，即压缩指定的维度，而其它维度保持不变 In [3]: import torch from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = 阅读全文
posted @ 2025-03-16 11:35
xiezhengcai
阅读(31)
评论(0)
推荐(0)
摘要：
sum 函数有两个定义： torch.sum(input, *, dtype=None) → Tensor torch.sum(input, dim, keepdim=False, *, dtype=None) → Tensor ** sum 函数本质上是对张量自身做自加操作，只是它可以定义，在不同 阅读全文
posted @ 2025-03-15 12:45
xiezhengcai
阅读(125)
评论(0)
推荐(0)
摘要：
高纬张量显示报错： table data could not be loaded error occurred: pydev_val 2 pydev_val _jb_get_info_command got exception: Must pass 2-d inp setting -> Langua 阅读全文
posted @ 2025-03-15 11:39
xiezhengcai
阅读(72)
评论(0)
推荐(0)
摘要：
基础操作¶ In [16]: import torch from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all" # 目标张量 (shape: 阅读全文
posted @ 2025-03-14 18:53
xiezhengcai
阅读(94)
评论(0)
推荐(0)
摘要：
返回一个原始张量交换后的视图¶ torch.permute(input, dims) → Tensor permute() 返回的是原张量的视图（view），与原张量共享内存。 transpose(dim0, dim1) 只能交换两个维度，而 permute() 可以处理多个维度。 执行 trans 阅读全文
posted @ 2025-03-14 17:34
xiezhengcai
阅读(235)
评论(0)
推荐(0)
摘要：
In [23]: from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all" import torch.nn.functional as F im 阅读全文
posted @ 2025-03-14 17:17
xiezhengcai
阅读(193)
评论(0)
推荐(0)
摘要：
Pytorch 中topk的用法¶ In [14]: import torch from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all" a = 阅读全文
posted @ 2025-03-14 16:49
xiezhengcai
阅读(113)
评论(0)
推荐(0)
摘要：
线性变换即等于与权重矩阵的相乘 阅读全文
posted @ 2025-03-14 13:12
xiezhengcai
阅读(25)
评论(0)
推荐(0)
浙公网安备 33010602011771号