pytorch 常見函式理解

>>> a = torch.tensor([[1,2],[3,4]])
>>> a
tensor([[ 1.,  2.],
[ 3.,  4.]])
>>> torch.gather(a,1,torch.longtensor([
... [0,0],
... [1,0]]))
tensor([[ 1.,  1.],
[ 4.,  3.]])
#1代表按照第1維度進行計算
#第一維也就是按照行，第一行[0,0]代表，新的tensor的第一行的兩個元素，分別是a第一行的的第0個和第0個元素
#第一維也就是按照行，第二行[1,0]代表，新的tensor的第二行的兩個元素，分別是a第二行的第1個和第0個元素
>>> torch.gather(a,0,torch.longtensor([
... [0,0],
... [1,0]]))
tensor([[ 1.,  2.],
[ 3.,  2.]])
#0代表按照第0維度進行計算
#第0維也就是按照列，第二列[0,0]代表，新的tensor的第二列的兩個元素，分別是a第二列的第0個和第0個元素

將維度為1的壓縮掉。如size為（3,1,1,2），壓縮之後為（3,2）

import torch
a=torch.randn(2,1,1,3)
print(a)
print(a.squeeze())

輸出：

tensor([[[[-0.2320, 0.9513, 1.1613]]],
[[[ 0.0901, 0.9613, -0.9344]]]])
tensor([[-0.2320, 0.9513, 1.1613],
[ 0.0901, 0.9613, -0.9344]])tensor([[-0.2320, 0.9513, 1.1613],
[ 0.0901, 0.9613, -0.9344]])

擴充套件某個size為1的維度。如(2,2,1)擴充套件為(2,2,3)

import torch
x=torch.randn(2,2,1)
print(x)
y=x.expand(2,2,3)
print(y)

輸出：

tensor([[[ 0.0608],
[ 2.2106]],
[[-1.9287],
[ 0.8748]]])
tensor([[[ 0.0608, 0.0608, 0.0608],
[ 2.2106, 2.2106, 2.2106]],
[[-1.9287, -1.9287, -1.9287],
[ 0.8748, 0.8748, 0.8748]]])

參考：

size為（m,n,d）的張量，dim=1時，輸出為size為（m,d）的張量

import torch
a=torch.tensor([[[1,2,3],[4,8,12]],[[1,2,3],[4,8,12]]])
print(a.sum())
print(a.sum(dim=1))

輸出:

tensor(60)
tensor([[ 5, 10, 15],
[ 5, 10, 15]])

返回乙個記憶體為連續的張量，如本身就是連續的，返回它自己。一般用在view()函式之前，因為view()要求呼叫張量是連續的。可以通過is_contiguous檢視張量記憶體是否連續。

import torch
a=torch.tensor([[[1,2,3],[4,8,12]],[[1,2,3],[4,8,12]]])
print(a.is_contiguous)
print(a.contiguous().view(4,3))

輸出：

tensor([[ 1, 2, 3],
[ 4, 8, 12],
[ 1, 2, 3],
[ 4, 8, 12]])

假設陣列v有c個元素。對其進行softmax等價於將v的每個元素的指數除以所有元素的指數之和。這會使值落在區間（0,1）上，並且和為1。

import torch
import torch.nn.functional as f
a=torch.tensor([[1.,1],[2,1],[3,1],[1,2],[1,3]])
b=f.softmax(a,dim=1)
print(b)

輸出：

tensor([[ 0.5000, 0.5000],
[ 0.7311, 0.2689],
[ 0.8808, 0.1192],
[ 0.2689, 0.7311],
[ 0.1192, 0.8808]])

返回最大值，或指定維度的最大值以及index

import torch
a=torch.tensor([[.1,.2,.3],
[1.1,1.2,1.3],
[2.1,2.2,2.3],
[3.1,3.2,3.3]])
print(a.max(dim=1))
print(a.max())

輸出：

(tensor([ 0.3000, 1.3000, 2.3000, 3.3000]), tensor([ 2, 2, 2, 2]))
tensor(3.3000)

返回最大值的index

import torch
a=torch.tensor([[.1,.2,.3],
[1.1,1.2,1.3],
[2.1,2.2,2.3],
[3.1,3.2,3.3]])
print(a.argmax(dim=1))
print(a.argmax(dim=0))
print(a.argmax())

輸出：

tensor([ 2, 2, 2, 2])
tensor([ 3, 3, 3])
tensor(11)

SetBkMode函式理解

輸出的字串時，發現存在背景色，這樣的輸出是破壞背景的。那需要使用什麼方法來保持背景不變，而又能輸出紅色的字串呢？比如按鈕的文字顏色是黑色的，而背景是灰色的。這就需要使用setbkmode函式來設定drawtext函式的輸出方式，顯示裝置共有兩種輸出方式 opaque和transparent。opaq...

OpenGl glenable 函式理解

glenable 用於啟用各種功能。功能由引數決定。與gldisable相對應。gldisable是用來關閉的。兩個函式引數取值是一至的。引數說明 void glenable glenum cap glenum 是unsigned int 型別 cap 是乙個取值。由值決定啟用的功能鍵。各種功能請看...

get函式理解

include include include includeusing namespace std int main char next do cin.get next cout 輸入 to be or not to be 輸出 to be or not to be 其實剛開始我很不理解為什麼輸出...

pytorch 常見函式理解

SetBkMode函式理解

OpenGl glenable 函式理解

get函式理解

相關推薦