一、合并與分割

1.cat拼接

直接按照指定的dim維度進行合并，要求除了所需要合并的維度之外，其他的維度需要是一樣的

2.stack堆疊

例：此處創(chuàng)建一個和a一樣的tensor，按照某一維度進行stack，就會在堆疊的維度前面，生成一個新的維度，用以進行選擇，比如新生成了一個2維，就可以通過0,1進行選擇。具體是什么意義，取決于實際的問題。

比如兩個班成績單用stack合并，生成的新維度，就可以選擇0或1來選擇這個新維度，從而達到選擇班級的目的。

3.拆分

①Split按長度拆分

第一個參數(shù)可以是單獨的數(shù)字a，意思是每一個拆分出來的部分有a個數(shù)據(jù)；可以是一個類似list的對象b，意思是把數(shù)據(jù)按照b里面的方式拆分，拆分成len(b)個tensor。

②Chunk按數(shù)量拆分

傳入的第一個參數(shù)就是拆成幾個chunk，然后把原來的維度除以這個數(shù)量即可。

比如下面的例子，原來維度是[2,32,8]，chunk參數(shù)傳入2，就需要拆成2個，則2/2=1，最終每一個的維度變?yōu)閇1,32,8]。

二、基本運算

1.加減乘除

和numpy中的一致。也可以使用torch.add等方法。

2.矩陣相乘

注意，*就是元素與元素相乘，而矩陣相乘可以用以下兩種：torch.matmul，@

如果是高維矩陣相乘，計算的其實就是最后的兩個維度的矩陣乘法。

3.次方計算

和numpy中一致，可以使用**來計算任意次方。此外.pow()也可以計算。

指數(shù)和對數(shù)計算也基本一致，log默認是以e為底的。

4. clamp

通常用于當出現(xiàn)梯度過大等情況時，對梯度進行裁剪。通過輸入最大最小值，目標中超出最大值的按最大值來；低于最小值的按最小值來。

三、屬性統(tǒng)計

1.求范數(shù)

注意一點：求哪個維度的范數(shù)，哪個維度就會被消掉。

2.求極值、求和、累乘

3. dim和keepdim

在很多方法中，都可以對dim進行設(shè)置。如果不設(shè)置，就是把所有數(shù)據(jù)展開后，求全局的。

注意這里的dim，a的形狀是[4,10]，求最大值時，如果設(shè)置dim=1，也就是列，個人理解，意思是結(jié)果的維度需要是列，那么就是把整行的數(shù)值進行計算找最大值，最后返回一個列作為結(jié)果。

4.topk和kthvalue

topk參數(shù)：k(前k個最大值)，dim（以dim的維度返回結(jié)果）

這個方法默認的是返回的最大值，同時會返回它們的索引。

kthvalue參數(shù)：k(第k小的值)，dim

5.比較運算

和Numpy中的一致。如果使用torch.eq方法，返回每個對應(yīng)位置的結(jié)果；如果使用torch.equal方法，返回的是整體對比的結(jié)果。

6.高階操作

①where

②gather

索引行數(shù)小于等于表的行數(shù)。也就是說，既然要用索引來去找表中的內(nèi)容，就不能超過表的索引長度。索引在傳入gather方法中的時候，必須要轉(zhuǎn)換成Long的類型。

舉例如下：

返回值的形狀一定是索引的形狀，因為就是按照索引去取的值。返回值的內(nèi)容就來自于輸入的input，根據(jù)索引獲得的對應(yīng)的值。

以上就是人工智能學(xué)習Pytorch進階操作教程的詳細內(nèi)容，更多關(guān)于PyTorch進階的資料請關(guān)注本站其它相關(guān)文章！

版權(quán)聲明：本站文章來源標注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。