Pytorch中怎么实现多维数组运算-创新互联

本篇文章给大家分享的是有关Pytorch 中怎么实现多维数组运算，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

1、python 的基本索引规则

从 0 开始

对于给定的范围，如 b = a[m:n], 那么 b 为由 （n-m）个数据组成的新数组，由 a[m],a[m+1],...,a[n-1] 构成。(若 n

2、单个 tensor 运算，使用 dim 参数

torch 中对 tensor 的操作方法，若不加 dim 参数表示对整体的 tensr 进行操作，若增加 dim 参则表示按维操作。

例：

a = [[1,2],[3,4],[5,6]] (torch.tensor)

　　torch.mean(a) => 3.5

　　torch.mean(a,dim=0) => [1.5, 3.5, 5.5]

　　torch.mean(a,dim=1) => [[3],[4]]

　　torch.mean(a,dim=0) => [3,4]

　　torch.mean(a,dim=1) => [1.5, 3.5, 5.5]　

注: torch.mean() 是一个降维的操作，所以不会出现在取均值后保持跟原 Tensor 同维的情况。 dim 参数存在时降一维，不存在时得到的是整个 Tensor 的均值。

3、两个 tensor 运算，构造对应形状

以乘法为例：

3.1 矩阵乘向量

a = [[1,2],[3,4],[5,6]]

b = [1,1]

计算乘法 c = a@b

若 a 拓展为 （N,3,2） N 为 batch_size, 计算 c2 = a@b

若 a,b 同时拓展， 变成（N, 2）,那么需要做一个变换 b = b.view(N,2,1),计算 c3 = a@b

3.2 矩阵乘矩阵

a = [[1,2],[3,4],[5,6]]

b =[ [1,1],[1,1]]

计算乘法 c = a@b

若 a 拓展为 （N,3,2） N 为 batch_size, 计算 c2 = a@b

若 a,b 同时拓展， 变成（N, 2, 2）,计算 c3 = a@b

以上就是Pytorch 中怎么实现多维数组运算，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。