pytorch tensor的合併與分割

import torch

a = torch.rand(30,

6)#a記錄了班上前30個同學的6門考試成績
b = torch.rand(25,
6)#b記錄了班上後30個同學的6門考試成績
torch.cat(
[a,b]
,dim=0)
.shape

torch.size([55, 6])

a = torch.rand(5,

3)#5個同學，a只記錄了4門課的成績
b = torch.rand(5,
2)#還是這5個同學，b記錄了另外2門課的成績
c = torch.rand(5,
1)#還是這5個同學，c記錄了另外1門課的成績
torch.cat(
[a,b,c]
,dim=1)
.shape #合併成一張成績單，包含每個人的6門成績

torch.size([5, 6])

a = torch.rand(30,

6)b = torch.rand(30,
6)torch.stack(
[a,b]
,dim=0)
.shape

torch.size([2, 30, 6])

a = torch.rand(2,

3,4)
b = torch.rand(2,
3,4)
c = torch.rand(2,
3,4)
torch.stack(
[a,b,c]
,dim=1)
.shape

torch.size([2, 3, 3, 4])

a = torch.rand(6,

20,5)
#a表示有6個班級，每個班有20個人，每個人有5門考試成績
a1,a2,a3=a.split(
2,dim=0)
#按照順序，每兩個班級分為一組
print
(a1.shape,a2.shape,a3.shape)

torch.size([2, 20, 5]) torch.size([2, 20, 5]) torch.size([2, 20, 5])

a = torch.rand(6,

20,5)
#a表示有6個班級，每個班有20個人，每個人有5門考試成績
a1,a2,a3=a.split([1
,2,3
],dim=0)
#按照順序,第乙個班級分為一組，第
二、三個班級分成一組，第4、5、6個班級分成一組
print
(a1.shape,a2.shape,a3.shape)

torch.size([1, 20, 5]) torch.size([2, 20, 5]) torch.size([3, 20, 5])

a = torch.rand(6,

20,5)
#a表示有6個班級，每個班有20個人，每個人有5門考試成績
a1,a2,a3=a.chunk(
3,dim=0)
#3表示分成3組tensor
print
(a1.shape,a2.shape,a3.shape)

torch.size([2, 20, 5]) torch.size([2, 20, 5]) torch.size([2, 20, 5])

Pytorch tensor的感知機

單層感知機的主要步驟 單層感知機梯度的推導 要進行優化的是w，對w進行梯度下降 a torch.randn 1,10 a是乙個 1,10 的向量 w torch.randn 1,10,requires grad true w是乙個可導的 1,10 的向量 1.2.經過乙個sigmoid啟用函式 o ...

Pytorch Tensor和tensor的區別

在pytorch中，tensor和tensor都能用於生成新的張量 a torch.tensor 1 2 a tensor 1 2.a torch.tensor 1 2 a tensor 1 2 首先，我們需要明確一下，torch.tensor 是python類，更明確地說，是預設張量型別torch...

pytorch tensor 獲得中間節點的梯度

我們只能指定計算圖的leaf節點的requires grad變數來決定改變量是否記錄梯度，而不能指定它們運算產生的節點的requires grad，它們是否要梯度取決於它們的輸入節點，它們的輸入節點只要有乙個requires grad是true，那麼它的requires grad也是true.x t...