我有以下问题，我有一个形状为(1,16198)的张量，首先我想把它分成块，所以我使用了展开，如下所示： my_tensor.unfold(-1, 178, 89) -> tensor with shape(1, 182, 178) 这意味着182个重叠的178大小的块，这是完美的。但现在我想撤消添加重叠块的操作，并返回一个(1,16198)张量。我相信fold方法可以做到这一点，但我花了几个小时试图理解它是如何工作的，但根本没有进展，我似乎找不到一个好的解释来源来解释如何
浏览 32提问于2020-08-07得票数 1
2回答
我可以使用PyTorch张量代替NumPy数组，同时使用scikit学习吗？我尝试了一些像train_test_split和StandardScalar这样的学习方法，但是当我使用PyTorch张量而不是NumPy数组时，有什么我应该知道的吗？这是否意味着使用PyTorch张量是完全安全的？
浏览 2提问于2021-11-18得票数 3
回答已采纳
1回答
我的数据就是这样的：我希望它是numpy数组，而不是张量，这样我就可以将它转换为dataframe。是否有办法这样做？提前谢谢！
浏览 0提问于2021-05-02得票数 0
2回答
PyTorch张量
、、、
我是PyTorch的新手。谁能向我解释一下，为什么我们要在执行回归之前将数据帧转换为torch张量？(正如您所见，我已经拆分了数据集)。
浏览 16提问于2020-10-25得票数 0
例如，我有一个N B x H张量列表(即N x B x H张量)和一个N向量列表(即N x B张量)。我要把列表中的每个B x H张量乘以相应的B维张量，从而得到N x H张量。我知道如何使用单个for-loop和PyTorch来实现计算，但是有矢量注入吗？(即不使用for-loop，只使用PyTorch/numpy操作)
浏览 2提问于2018-06-23得票数 0
回答已采纳
Pytorch是否有与Numpy的元素级 (logical_and、logical_or、logical_not和logical_xor)等效的and？在使用CPU时，对Pytorch张量调用Numpy函数似乎工作得足够好，甚至可以生成Pytorch张量作为输出。我问主要是因为我假设如果pytorch计算在GPU中运行，这将不会很好地工作。我在中查看了所有包含字符串" a
浏览 1提问于2019-02-08得票数 5
回答已采纳
我试图在pytorch中添加两个维度为[64, 64, 127, 127]和[64, 3, 127, 127]的张量，但我需要在第二个张量中添加零，以便将它们的维度等于[64, 64, 127, 127我尝试过通过切片来添加零，但它并不健壮
浏览 20提问于2019-05-05得票数 0
我使用的是带有张量内核的Nvidia RTX GPU，我想确保pytorch/tensorflow正在利用它的张量内核。我在一些文章中注意到，张量核心用于处理float16，并且默认情况下pytorch/tensorflow使用float32。他们引入了一些“混合精度和分布式训练”的库。这是一个有点陈旧的答案。我想知道pytorch或tensorflow GPU现在是否支持开箱即用的张量<
浏览 23提问于2021-11-18得票数 0
我使用的是2017/18年度编写的代码库，我发现了以下代码：audio_norm = torch.autograd.Variable(audio_norm, requires_grad=False)
我知道，Variable中的包装张量以前允许将它们的梯度合并到火炬以前版本的计算图中(现在不再需要)，但我不知道在torch.autograd.Variable(my_tensor, requires_grad=False)中</em
浏览 7提问于2022-05-04得票数 1
回答已采纳
我是PyTorch的中级学习者，在最近的一些案例中，我看到人们使用torch.inference_mode()而不是著名的torch.no_grad()来验证经过训练的agent在强化学习(RL)实验中的有效性
浏览 53提问于2022-10-25得票数 -1
守则如下：import numpy as npy = np.arange(128) x[i].uniform_(-y[i], y[i])
浏览 2提问于2022-03-15得票数 3
1回答
我在使用PyTorch时遇到了一个问题。 我正在尝试将张量大小从[1,97,1]增加到[1,97,2]。如何在张量大小中添加"1“？
浏览 21提问于2020-01-17得票数 0
回答已采纳
1回答
我在TF和PyTorch中测试这个简单的切片操作，这两个操作都应该匹配。PyTorch和TF都应该导致相同的值，但它们不是。当我试图重塑张量时，这一差异是造成的吗？
浏览 1提问于2022-10-20得票数 0
回答已采纳
1回答
PyTorch是否支持类似dict的对象，通过这些对象我们可以反向传播梯度，比如PyTorch中的张量？
我的目标是计算一个大型矩阵中的几个元素(1%)的梯度。但是如果我使用PyTorch的标准张量来存储矩阵，我需要将整个矩阵保存在我的GPU中，这会导致由于在训练期间可用的GPU内存有限而造成的问题。所以我在想，是否可以将矩阵存储为dict，只索引矩阵的相关元素，计算渐变和反向传播w.r.t --这
浏览 6提问于2022-03-08得票数 2
1回答
我有两个PyTorch张量A，形状30，11，32，64和B，形状30，11，89。我的目标是创建一个形状为30，11，89，32，64的张量C，其中张量A应该扩展并在第三维复制，然后在适当的维度与张量B相乘。 如何在PyTorch中实现这一点？
浏览 21提问于2020-01-14得票数 1
我有一个用PyTorch编写的神经网络，它在GPU上输出一些张量a。我想继续使用高效的a层来处理TensorFlow。一个简化的例子：import tensorflow as tf
a =在上面使用non_blocking=True的代码片段中，我尝试了2。，但我不确定它是否实现了我预期的功能(即将它移到固定内存中)。理想情况下，我的Ten
浏览 0提问于2019-01-30得票数 15
在Keras中，使用Flatten()层保留批处理大小。例如，如果扁平的输入形状为(32, 100, 100)，则平坦的Keras输出为(32, 10000)，而在PyTorch中为320000。
浏览 7提问于2020-02-07得票数 9
回答已采纳
我在PyTorch中创建了一个sparse_coo张量： import torch
i = torch.tensor([[0, 1, 1],torch.float32)
sparse_tensor = torch.sparse_coo_tensor(i, v, [2, 4]) 现在，我想将PyTorch稀疏张量转换为PyTorch稠密张量。可以使用</e
浏览 274提问于2020-10-27得票数 0
回答已采纳
1回答
自定义丢失函数的后端实现
、、、、
我不使用典型的损失函数，而是实现自己的损失函数，这是类中的一种方法。如果我使用了一些传统的丢失函数(如CrossEntropy )，那么我的后台处理将类似于：for epochs:
optimizer.zero_grad但我仍然可以在使用自己的损失函数时调用它(程序可能不知道梯度方程是什么)。我是否也必须实现另一个方法/子例程来查找渐变？
浏览 1提问于2021-05-05得票数 1
回答已采纳
云服务器
ICP备案
实时音视频
即时通信 IM
云直播
腾讯云开发者
