1回答
有没有办法批量获得火炬张量的直方图？例如:X是形状(64, 224, 224)的张量 # x will have shape of (64, 256)
x = batch_histogram(x, bins=256, min=0, max
浏览 32提问于2021-10-03得票数 2
虽然这是一个典型的用例，但在通过RNN发送时，我找不到一个简单而明确的指南来说明在pytorch中计算填充小批量的损失的规范方法是什么。我认为一个规范的管道可能是： 1) pytorch RNN需要形状的填充批量张量：(max_seq_len，batch_size，emb_size) 2)所以我们给出一个嵌入层，例如这个张量： tensor批量大小为2。嵌入层将使
浏览 18提问于2019-12-12得票数 2
回答已采纳
1回答
我正在尝试pytorch，并试图在GPU上运行它，但出现了这样的错误这就是我重塑数组的方式。= []:
return {'img': img, 'mask': mask
浏览 1提问于2018-12-03得票数 0
1回答
双张量的火炬传播积
、、、、
我想乘两个张量，这是我得到的：
第一个索引用于批量大小。我想要做的基本上是从B - (20, 1, 110)取每个张量，用它，我想乘以每个A张量(20, n, 110)。最后是张量AB，它的形状是(20, 96 * 16, 110)。所以我想通过用A广播B来乘以每个张量。在PyTorch中有
浏览 1提问于2018-06-22得票数 2
回答已采纳
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？根据上的这个问题：
这是否意味着使用PyTorch张量</e
浏览 2提问于2021-11-18得票数 3
回答已采纳
我目前正在尝试在PyTorch中实现一个LSTM，只要涉及到处理批量大小和多维张量，我就会突然忘记线性代数是如何工作的。我有一个大小为64，19，1的注意力分数张量，其中64是批量大小，19是源句的最大长度。我还有一个编码器输出的张量(隐藏状态)；它的形状是64、19、256，其中256是隐藏状态的维度。计算上下文向量/注意力得分和编码器隐藏状态
浏览 69提问于2021-10-18得票数 0
1回答
我正在尝试通过插入CNN层来微调一个预先训练好的BERT模型(huggingface transformers)。在该模型中，使用了所有变压器编码器的输出，而不仅仅是最新变压器编码器的输出。当batch size = 32时，有13层Transformer编码器，每一层都作为编码的标记化文本的输入64,768，并输出相同维度的编码。(64是标记化中的最大长度) 我想对每个变压器的输出矩阵(64,768)分别执行卷积，然后对该卷积的输出
浏览 202提问于2020-12-25得票数 1
我知道平衡极点的例子需要2个输出。以下是self.head的输出 x = Linear(in_features=512, out_features=2, bias=True)
当我运行的时候我从代码中的注释中了解到它正在返回: Returns tensor([left0exp，right0exp...])。但是，如何将torch.Size(121，32，2，8)的x缩减为大小为2的张量<
浏览 0提问于2020-06-28得票数 0
我正在尝试转换一个简单的GAN生成器(来自ClusterGAN)： self.name = 'generator'self.n_c = n_c: provided number axes 2 not supported时，onnx-coreml失败 我认为这是BatchNorm2d，所以我尝试重塑和应用BatchNorm1d，但我得到了相同的错误我很惊讶我在转换如此简单的模型时遇到了问题，所以我假设我肯定遗漏了一些明显的东西。 我的</
浏览 30提问于2020-03-30得票数 1
我有一个形状张量，比如：[4,10]，其中4是批量大小，10是我的输入样本缓冲区的长度。现在，我知道它实际上是[4,5+5]，即输入样本缓冲区由两个长度为5的窗口组成，这两个窗口可以独立处理，最好是并行处理。我所做的是，在我的模型的forward()中，我首先将张量重塑为8,5，在其上运行我的层，然后将其重塑回4，-1，然后返回。我希望Pytorch能够在每个窗口(或者说子批处理)上并行运行我<em
浏览 1提问于2020-10-15得票数 0
1回答
对火炬张量的迭代
、、、
什么是最好和最快的方式来迭代张量。令人费解的是，为什么我要得到张量而不是值。x in t]但却期望这样的行为t.numpy() ]如果可能的话，我宁愿不改做胖的？
浏览 2提问于2022-09-15得票数 2
回答已采纳
我正在学习火把的基础知识，并考虑创建一个简单的4层神经网络与辍学，以训练IRIS数据集进行分类。在参考了许多教程之后，我编写了这段代码。我想设置20的批次大小。我该怎么做？
浏览 4提问于2017-09-12得票数 5
回答已采纳
在这个中，他们没有使用填充，尽管输入和输出的长度是可变的。它似乎工作得很好，但如何工作呢？如果输入的长度是可变的，我们不应该实现填充吗？怎样做才是正确的呢？
谢谢。
浏览 0提问于2020-02-21得票数 0
我想在TensorFlow中像在PyTorch中一样使用BatchNorm1D。我注意到TF中的BatchNormalization()默认使用axis=-1。与在PyTorch中一样，哪个轴是BatchNorm1D, BatchNorm2D, BatchNorm3D的正确轴？
浏览 7提问于2020-11-01得票数 0
我有一个名为input的张量，维度为64x21x21。它是一个小批量的64个图像，每个21x21像素。我想把每张图片裁剪到11x11像素。所以我想要的输出张量的维度是64x11x11。我想在不同的“中心像素”周围裁剪每个图像。中心像素由维度为64x2的名为center的二维长张量给出。对于图像i，center[i][0]给出行索引，center[i][1]给出输出中应该位于中心的像
浏览 1提问于2018-01-13得票数 4
我有一个神经网络，它接受维度(batch_size，100，1，1)的输入张量，并产生维度(batch_size，3，64，64)的输出张量。当使用模型对两个元素进行批量推断时，我会得到不同的结果，而对单个元素进行推断时，结果会有所不同。 使用下面的代码，我初始化了一个尺寸为(2,100，1，1)的pytorch张量。我将此张量传递给模型，并获取模型输出的第一个元素，并将其存储在变
浏览 41提问于2020-08-14得票数 4
回答已采纳
我有一个大小为4 x 6的张量，其中4是批量大小，6是序列长度。序列向量的每个元素都是某种索引(0到n)。我想创建一个4 x 6 x n张量，其中第三维的向量将是索引的一个热编码，这意味着我想在指定的索引中放置1，其余的值将为零。例如，我有以下张量：[1, 4, 6, 7, 3, 3],[11, 12, 15, 2, 5,
浏览 0提问于2017-06-09得票数 17
回答已采纳
我是Pytorch的新手。 假设我有一个形状为torch.size([1, 25200, 11])的张量 我想把它分成3个较小的张量，每个张量都有第一个形状。非常感谢你的帮助。谢谢 解释这些数字： 80x80x3 = 19200 40x40x3 = 4800 20x20x3=1200，将这些结果相加，我们得到25200，1是批量大小，11是类别+ xywh
浏览 15提问于2021-06-22得票数 1
回答已采纳
1回答
用于可变尺寸输入的小型批量培训
、、、、
我是PyTorch和RNN的新手，所以我很困惑如何为我拥有的数据实现小型批量培训。有更多的这些数据，但我想保持简单，所以我只能理解如何实现小批量培训部分。我是否必须将序列压缩到最大大小，并创建一个包含所有元素的更大尺寸的新张量矩阵？batch_size, shuffle=True) #do stuff using LSTM and/or GRU models
浏览 3提问于2018-02-14得票数 7
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
