1.矩阵的分割

方法:split(分割长度,所分割的维度)split([分割所占的百分比],所分割的维度)
a=torch.rand(32,8)
aa,bb=a.split(16,dim=0)
print(aa.shape)
print(bb.shape)
cc,dd=a.split([20,12],dim=0)
print(cc.shape)
print(dd.shape)

输出结果

torch.Size([16, 8])
torch.Size([16, 8])
torch.Size([20, 8])
torch.Size([12, 8])

2.tensor的属性统计

min(dim=1):返回第一维的所有最小值,以及下标
max(dim=1):返回第一维的所有最大值,以及下标
a=torch.rand(4,3)
print(a,'\n')
print(a.min(dim=1),'\n')
print(a.max(dim=1))

输出结果

tensor([[0.3876, 0.5638, 0.5768],
[0.7615, 0.9885, 0.9660],
[0.3622, 0.4334, 0.1226],
[0.9390, 0.6292, 0.8370]]) torch.return_types.min(
values=tensor([0.3876, 0.7615, 0.1226, 0.6292]),
indices=tensor([0, 0, 2, 1])) torch.return_types.max(
values=tensor([0.5768, 0.9885, 0.4334, 0.9390]),
indices=tensor([2, 1, 1, 0]))
mean:求平均值
prod:求累乘
sum:求累加
argmin:求最小值下标
argmax:求最大值下标
a=torch.rand(1,3)
print(a)
print(a.mean())
print(a.prod())
print(a.sum())
print(a.argmin())
print(a.argmax())

输出结果

tensor([[0.5366, 0.9145, 0.0606]])
tensor(0.5039)
tensor(0.0297)
tensor(1.5117)
tensor(2)
tensor(1)

3.tensor的topk()和kthvalue()

topk(k,dim=a,largest=):输出维度为1的前k大的值,以及它们的下标。
kthvalue(k,dim=a):输出维度为a的第k小的值,并输出它的下标。
a=torch.rand(4,4)
print(a,'\n')
# 输出每一行中2个最大的值,并输出它们的下标
print(a.topk(2,dim=1),'\n') # 输出每一行中3个最小的值,并输出它们的下标
print(a.topk(3,dim=1,largest=False),'\n') # 输出每一行第2小的值,并输出下标
print(a.kthvalue(2,dim=1))

输出结果

tensor([[0.7131, 0.8148, 0.8036, 0.4720],
[0.9135, 0.4639, 0.5114, 0.2277],
[0.1314, 0.8407, 0.7990, 0.9426],
[0.6556, 0.7316, 0.9648, 0.9223]]) torch.return_types.topk(
values=tensor([[0.8148, 0.8036],
[0.9135, 0.5114],
[0.9426, 0.8407],
[0.9648, 0.9223]]),
indices=tensor([[1, 2],
[0, 2],
[3, 1],
[2, 3]])) torch.return_types.topk(
values=tensor([[0.4720, 0.7131, 0.8036],
[0.2277, 0.4639, 0.5114],
[0.1314, 0.7990, 0.8407],
[0.6556, 0.7316, 0.9223]]),
indices=tensor([[3, 0, 2],
[3, 1, 2],
[0, 2, 1],
[0, 1, 3]])) torch.return_types.kthvalue(
values=tensor([0.7131, 0.4639, 0.7990, 0.7316]),
indices=tensor([0, 1, 2, 1]))

Pytorch-tensor的分割,属性统计的更多相关文章

  1. pytorch中检测分割模型中图像预处理探究

    Object Detection and Classification using R-CNNs 目标检测:数据增强(Numpy+Pytorch) - 主要探究检测分割模型数据增强操作有哪些? - 检 ...

  2. Pytorch Tensor 常用操作

    https://pytorch.org/docs/stable/tensors.html dtype: tessor的数据类型,总共有8种数据类型,其中默认的类型是torch.FloatTensor, ...

  3. awk将某个字段按照分隔符分割之后统计次数

    cat label_movie2|grep BBD252CC0A4FE7D10C990261D5CEACB5|awk -F "," '{for(i=2;i<NF;i++) p ...

  4. C++学习笔记(一)——一个字符串分割和统计的工具(TextUtils)

    第一讲先从一个实例开始——我们需要完成一个遍历文件并统计单词出现次数的任务.分解功能:首先,按行读取文件并舍弃可能的空行.其次,将每一行都按照空格划分单词.因为可能存在标点符号,我们还需要将标点符号都 ...

  5. Pytorch Tensor, Variable, 自动求导

    2018.4.25,Facebook 推出了 PyTorch 0.4.0 版本,在该版本及之后的版本中,torch.autograd.Variable 和 torch.Tensor 同属一类.更确切地 ...

  6. Pytorch Tensor 维度的扩充和压缩

    维度扩展 x.unsqueeze(n) 在 n 号位置添加一个维度 例子: import torch x = torch.rand(3,2) x1 = x.unsqueeze(0) # 在第一维的位置 ...

  7. pytorch tensor与numpy转换

    从官网拷贝过来的,就是做个学习记录.版本 0.4 tensor to numpy a = torch.ones(5) print(a) 输出 tensor([1., 1., 1., 1., 1.]) ...

  8. pytorch tensor 维度理解.md

    torch.randn torch.randn(*sizes, out=None) → Tensor(张量) 返回一个张量,包含了从标准正态分布(均值为0,方差为 1)中抽取一组随机数,形状由可变参数 ...

  9. pytorch tensor的索引与切片

    切片方式与numpy是类似. * a[:2, :1, :, :], * 可以用-1索引. * ::2,表示所有数据,间隔为2,即 start:end:step. *  a.index_select(1 ...

  10. PyTorch基础(Numpy & Tensor)

    Numpy与Tensor是PyTorch的重要内容 Numpy的使用 Numpy是Python中科学计算的一个基础包,提供了一个多维度的数组对象,数组是由numpy.ndarray类来实现的,是Num ...

随机推荐

  1. 在vue3中使用openlayers3实现track轨迹动画

    网上太多资料代码,抄来抄去,而且版本也是v5.x版本的,部分API已经弃用 基础知识不多说,直接讲重点 三个关键变量 // 记录开始动画的时间 const startTime = ref(0); // ...

  2. jenkins配置从git指定分支下载代码,打包部署jar包

    1.如何构造一个jenkins部署? 1.1 目标 从git上指定分支下载代码,打包并发布到指定机器上,启动. 1.2 实现 如果已有项目,直接copy一份配置即可,修改一下即可使用 如果没有配置好的 ...

  3. 用Python编写自己的微型Redis

    building-a-simple-redis-server-with-python 前几天我想到,写一个简单的东西会很整洁 雷迪斯-像数据库服务器.虽然我有很多 WSGI应用程序的经验,数据库服务器 ...

  4. C++学习笔记之高级语法

    目录 高级语法 面向对象--类 对象的属性 运算符重载 拷贝构造函数 IO缓存 头文件的重复包含问题 深拷贝与浅拷贝 面向对象三大特性 高级语法 面向对象--类 C++使用struct.class来定 ...

  5. 20_使用SDL显示BMP图片

    文本的主要内容是:使用SDL显示一张BMP图片,算是为后面的<显示YUV图片>做准备. 为什么是显示BMP图片?而不是显示JPG或PNG图片? 因为SDL内置了加载BMP的API,使用起来 ...

  6. 专访|3DCAT如何赋能Matterverse打造3A游戏画面的Sandbox

    元宇宙概念自20世纪90年代创造,在21世纪经历20年快速塑形,终于在2021年进入元年,元宇宙概念爆发,受到政府.机构.企业以及网民的高度关注,资本市场一度高涨,相关投资赛道大热. 元宇宙第一股Ro ...

  7. 活动报名|3DCAT实时渲染云行业生态合作系列沙龙之“云XR如何赋能虚拟仿真实验教学”线上活动邀您参会

    当前,虚拟现实发展方兴未艾,"XR+教育"融合发展前景广阔. 3DCAT实时渲染云积极联动教育行业渠道商等生态合作伙伴,合力打造"虚拟现实实验室"." ...

  8. 记录--Vue3自定义一个Hooks,实现一键换肤

    这里给大家分享我在网上总结出来的一些知识,希望对大家有所帮助 核心 使用CSS变量, 准备两套CSS颜色, 一套是在 light模式下的颜色,一套是在dark模式下的颜色 dark模式下的 CSS 权 ...

  9. 记录mysql order by xxx limit xxx数据重复的问题

    引用 http://vsalw.com/9768.html 记录mysql排序字段有重复值,分页数据错乱问题,下面2个sql 除了分页limit外,其他都一样, 但是第三页的结果却包含部分第二页的数据 ...

  10. AI实用指南:5分钟搭建你自己的LLM聊天应用

    今天,我们将迅速着手搭建一个高效且富有创意的混元聊天应用,其核心理念可以用一个字来概括--快.在这个快节奏的时代,构建一个基础的LLM(Large Language Model,大型语言模型)聊天应用 ...