Pytorch 學習筆記

本渣的pytorch 逐步學習鞏固經歷，希望各位大佬指正，寫這個部落格也為了鞏固下記憶。

a[a: b :c] 表示從 a 取到 b , 步長為 c（ c = 2 則表示每2個數取1個)

若為a[-1 : 1 : -1],

即表示從倒數最後乙個到正數第 1 個（最後乙個:-1 表示倒著取），如下：

a =[0

,1,2
,3,4
,5,6
]print
(a[-1:
1:-1
])結果：[6,
5,4,
3,2]

中間的空 ，不填預設為陣列長度，即取到沒法取為止 ， 同上，最後乙個 : -1 表示反著取數

a =[0

,1,2
,3,4
,5,6
]print
(a[1::
-1])
結果：[1,
0]

步長為2，即間隔1個，平時步長為1

a =[0

,1,2
,3,4
,5,6
]print
(a[0::
2])結果：[0,
2,4,
6]

正取

a =[0

,1,2
,3,4
,5,6
]print
(a[1::
]) 結果：[1,
2,3,
4,5,
6]

取 除了最後乙個的 所有元素

a =[0

,1,2
,3,4
,5,6
]print
(a[:-1
]) 結果：[0,
1,2,
3,4,
5]

在pytorch 的 view 函式下，-1 則是像是自適應地變換"陣列"維數

(官網抄的，人家的指導寫的真好)

import torch

x = torch.randn(4,
4)y = x.view(16)
z = x.view(-1
,8)# the size -1 is inferred from other dimensions
print
(x.size(
), y.size(
), z.size())
結果：torch.size([4
,4]) torch.size([16
]) torch.size([2
,8])

Pytorch學習筆記

資料集 penn fudan資料集 在學習pytorch官網教程時，作者對penn fudan資料集進行了定義，並且在自定義的資料集上實現了對r cnn模型的微調。此篇筆記簡單總結一下pytorch如何實現定義自己的資料集 資料集必須繼承torch.utils.data.dataset類，並且實現 ...

Pytorch學習筆記

lesson 1.張量 tensor 的建立和常用方法 一 張量 tensor 的基本建立及其型別 import torch 匯入pytorch包 import numpy as np torch.version 檢視版本號1.張量 tensor 函式建立方法 張量 tensor 函式建立方法 t ...

Pytorch學習筆記

import torch import numpy as np 一維張量索引 t1 torch.arange 1,11 print t1 0 item 注 張量索引出來的結果還是零維張量，而不是單獨的數。要轉化成單獨的數，需要使用item 方法。t1 1 8 冒號分隔，表示對某個區域進行索引，也就是...