我有两个张量,张量a和张量b。 我想要得到张量b中值的所有索引。 例如。 a = torch.Tensor([1,2,2,3,4,4,4,5]) b = torch.Tensor([1,2,4]) 我想要张量a中1, 2, 4的索引,我可以通过下面的代码来实现。 a = torch.Tensor([1,2,2,3,4,4,4,5])
b = torch.Tensor([1,2,4])
mask = torch.zeros(a.shape).type(torch.bool)
print(mask)
for e in b:
mask = mask + (a == e)
print
我定义了一个简单的conv2d函数来计算输入和内核(都是2D张量)之间的相互关系,如下所示:
import torch
def conv2D(X, K):
h = K.shape[0]
w = K.shape[1]
ĥ = X.shape[0] - h + 1
ŵ = X.shape[1] - w + 1
Y = torch.zeros((ĥ, ŵ))
for i in range (ĥ):
for j in range (ŵ):
Y[i, j] = (X[i: i+h, j: j+w]*K).sum
我有一个张量,它是一个有9个单元格的向量,我想拉出3到6个单元格,而不是循环,就像在Matlab中一样。
更多信息:
th> my_table = {0.1, 0.2, 0.3, ... 0.9}
-- I create tensor out of it.
th> t_table = torch.Tensor(my_table )
-- I get the vector 0.1, 0.2, 0.3, ..., 0.9
-- Now I will get it's mean like this:
th> torch.mean(t_table)
0.5
-- Now I
好吧,我已经搜索了很久了,我只是不知道该怎么称呼这项技术,所以我想最好还是在这里问一下。如果我忽略了一个明显的名称和/或解决方案,请指出正确的方向。
对于外行人:张量是矩阵的逻辑延伸,同样地,矩阵是向量的逻辑延伸。向量是秩-1张量(用编程术语来说,是一维数列),矩阵是秩-2张量(二维数列),而秩-N张量则是N-D数列。
现在,假设我有一个类似于张量类的东西:
template<typename T = double> // possibly also with size parameters
class Tensor
{
private:
T *M; // Tens