list中刪除乙個元素:
array中刪除元素l1 = ['a','b','c']
del l1[1] # 或者l1.remove('b')
print(l1)
> ['a', 'c']
tensor中刪除元素,pytorch中貌似沒有直接刪除元素的方法,那麼我們就簡單寫乙個,經過測試發現這個方法居然跟np.delete速度差不多,還以為自己寫的會很慢呢arr1 = np.array(['a','b','c'])
arr2 = np.delete(arr1,1) # 刪除arr1中索引為1的元素
print(arr2)
> ['a' 'c']
def del_tensor_ele(arr,index):
arr1 = arr[0:index]
arr2 = arr[index+1:]
return torch.cat((arr1,arr2),dim=0)
tensor1 = torch.tensor([1,2,3,4,5,6])
tensor2 = del_tensor_ele(tensor1,1) # 刪除tensor1中索引為1的元素
print(tensor2)
> tensor([1., 3., 4., 5., 6.])
Pytorch快速入門一 Tensor
tensor 可以簡單地認為是乙個陣列,且支援高效的科學計算。基礎操作 從儲存角度講,可以分為以下兩類 tensor和numpy的相互轉換。tensor 和numpy共享記憶體,所以互相轉換的速度非常快。這也意味著,如果其中乙個變了,另外乙個也會變。import torch as t a t.one...
Pytorch之Tensor和Numpy之間的轉換
最重要的區別t.tensor和t.tensor 不論輸入的型別是什麼,t.tensor 都會進行資料拷貝,不會共享記憶體 t.tensor 與numpy共享記憶體,但當numpy的資料型別和tensor的型別不一樣的時候,資料會被複製,不會共享記憶體。可使用t.from numpy 或者t.deta...
pytorch的tensor與numpy陣列共享值
網上的很多部落格說tensor與numpy陣列共享記憶體,這是錯誤的 先給結論 tensor與numpy陣列共享部分記憶體,說共享值更嚴謹,且有條件 看 a torch.ones 2,2 b a.numpy print id a print id b 輸出 3030786996336 3030755...