国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

【人工智能概論】 PyTorch中的topk、expand_as、eq方法

這篇具有很好參考價值的文章主要介紹了【人工智能概論】 PyTorch中的topk、expand_as、eq方法。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點(diǎn)擊"舉報違法"按鈕提交疑問。

【人工智能概論】 PyTorch中的topk、expand_as、eq方法


一. topk方法

1.1 簡介

  • 對PyTorch中的tensor類型的數(shù)據(jù)都存在topk方法,其功能是按照要求取前k個最大值。
  • 其最常用的場合就是求一個樣本被網(wǎng)絡(luò)認(rèn)為的前k種可能的類別。
  • 舉例:
data = torch.tensor(
                [[1,2,3],
                 [1,5,4],
                 [9,7,5]]
)
print(data)
data_topk , index_topk = data.topk(2,1,True,True)
print(data_topk)
print(index_topk)

【人工智能概論】 PyTorch中的topk、expand_as、eq方法

1.2 參數(shù)詳解

torch.topk(input, k, dim=None, largest=True, sorted=True, out=None)

  • 其中:
  • input: 是待處理的tensor數(shù)據(jù);
  • k: 指明要前k個數(shù)據(jù)及其index;
  • dim: 指定在什么維度上排序,默認(rèn)最后一維;
  • largest: 如果為True,按照降序排序,如果為False,按照升序排序;
  • sorted: 返回的結(jié)果是否按照順序排列;
  • out: 可缺省,不要。

二. expand_as方法

  • 用來擴(kuò)展tensor中某維數(shù)據(jù)的尺寸,將輸入tensor的維度擴(kuò)展為與指定tensor相同的尺寸。
  • 舉例:
import torch

a = torch.tensor([[2], [3], [4]])
print(a)
b = torch.tensor([[2, 2], [3, 3], [5, 5]])
print(b.size())
c = a.expand_as(b)
print(c)
print(c.size())

【人工智能概論】 PyTorch中的topk、expand_as、eq方法文章來源地址http://www.zghlxwxcb.cn/news/detail-499118.html

三. eq方法

  • torch.eq(tensor1, tensor2, out=None) || tensor1.eq(tensor2,out=None):tensor1對應(yīng)的元素等于tensor2的元素會返回True,否則返回False。參數(shù)out表示為一個數(shù)或者是與第一個參數(shù)相同形狀和類型的tensor。
  • 舉例:
Matrix_A = torch.tensor([1,2,3,4,5,3,1])
Matrix_B = torch.tensor([2,1,3,1,5,2,0])
print(Matrix_A.eq(Matrix_B))

到了這里,關(guān)于【人工智能概論】 PyTorch中的topk、expand_as、eq方法的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請點(diǎn)擊違法舉報進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • 【人工智能概論】 XGBoost應(yīng)用——特征篩選

    【人工智能概論】 XGBoost應(yīng)用——特征篩選

    換一個評價指標(biāo),特征排序結(jié)果就會不一樣,甚至同樣的數(shù)據(jù)同樣的方法多次執(zhí)行得到的結(jié)果也不是完全一樣,特征篩選這件事見仁見智,要理性看待,但確實(shí)可以提供一種交叉驗(yàn)證的角度。 使用梯度提升算法的好處是在提升樹被創(chuàng)建后,可以相對直接地得到每個特征的重要

    2024年01月23日
    瀏覽(27)
  • hnu計算機(jī)與人工智能概論5.6

    hnu計算機(jī)與人工智能概論5.6

    最近有點(diǎn)忙,好久沒更新了,大家見諒!最后一關(guān)howell也做不出來 ?第1關(guān):數(shù)據(jù)分析基礎(chǔ) 1.將scores.xls文件讀到名為df的dataframe中 2.添加平均分列:考勤、實(shí)驗(yàn)操作、實(shí)驗(yàn)報告的平均 3.輸出前3行學(xué)生的平均分列表,控制小數(shù)點(diǎn)后兩位 4.輸出學(xué)生人數(shù)和班級數(shù) 5.分別輸出實(shí)驗(yàn)報

    2024年02月04日
    瀏覽(26)
  • hnu計算機(jī)與人工智能概論答案3.8

    hnu計算機(jī)與人工智能概論答案3.8

    連夜更新,求求關(guān)注!! 寫在前面:這一課難度較低,報錯時多看看冒號和縮進(jìn)有無錯誤,祝大家做題順利!??! 第1關(guān):python分支入門基礎(chǔ) 根據(jù)提示,在右側(cè)編輯器補(bǔ)充代碼,完成分支程序設(shè)計(用函數(shù)調(diào)用的方式來實(shí)現(xiàn))。 第1題: 閏年的判斷:判斷某一年是否是閏年,

    2024年02月08日
    瀏覽(26)
  • 【人工智能概論】 optimizer.param_groups簡介

    optimizer.param_groups : 是一個list,其中的元素為字典; optimizer.param_groups[0] :是一個字典,一般包括[‘params’, ‘lr’, ‘betas’, ‘eps’, ‘weight_decay’, ‘a(chǎn)msgrad’, ‘maximize’]等參數(shù)(不同的優(yōu)化器包含的可能略有不同,而且還可以額外人為添加鍵值對); 舉例展示: 不同鍵

    2024年02月10日
    瀏覽(33)
  • hnu計算機(jī)與人工智能概論答案2.20

    hnu計算機(jī)與人工智能概論答案2.20

    補(bǔ)一下第一次作業(yè) 第1關(guān):數(shù)據(jù)輸入與輸出 第一題 在屏幕上輸出字符串:hi, \\\"how are you\\\" ,I\\\'m fine and you 第二題 從鍵盤輸入兩個整數(shù),計算兩個數(shù)相除的商與余數(shù) 假設(shè)輸入12,5 輸出為 2 2 第三題 在屏幕上 輸入一個三位數(shù)輸出該數(shù)的個位、十位和百位數(shù)字 假設(shè)輸入125 輸出為 5 2

    2024年02月08日
    瀏覽(30)
  • hnu計算機(jī)與人工智能概論答案3.15

    hnu計算機(jī)與人工智能概論答案3.15

    ?終于肝完了!有一說一,這一次難度肉眼可見的提升,終于明白程序員為什么會禿頂了(頭發(fā)真的禁不住薅?。4蠹液眠\(yùn)! 第1關(guān):循環(huán)結(jié)構(gòu)-while與for循環(huán) 第1題 編程計算如下公式的值1^2+3^2+5^2+...+995^2+997^2+999^2并輸出結(jié)果 第2題 用 while 語句完成程序邏輯,求如下算法可

    2024年02月08日
    瀏覽(94)
  • hnu計算機(jī)與人工智能概論5.26(方程求根)

    第1關(guān):用暴力搜索法求方程的近似根? 本關(guān)任務(wù):用暴力搜索法求 f(x)=x3?x?1 在[-10,10]之間的近似根。已知f(-10)0,f(10)0,畫圖可知函數(shù)在[-10,10]區(qū)間有且僅有一個根。要求近似根帶入函數(shù)f(x)之后,函數(shù)值與0之間的誤差在 10?6 之內(nèi),請保留4位小數(shù)輸出該根值,并輸出搜尋次

    2024年02月03日
    瀏覽(26)
  • 【人工智能概論】 使用kaggle提供的GPU訓(xùn)練神經(jīng)網(wǎng)絡(luò)

    【人工智能概論】 使用kaggle提供的GPU訓(xùn)練神經(jīng)網(wǎng)絡(luò)

    注冊賬號的時候可能會遇到無法進(jìn)行人際驗(yàn)證的問題,因此可能需要科學(xué)上網(wǎng)一下。具體步驟略。 kaggle的GPU資源需要綁定手機(jī)號才能使用 點(diǎn)擊右上角的頭像。 點(diǎn)擊Account 找到手機(jī)驗(yàn)證界面Phone Verification,會看到下圖,根據(jù)1處的提示知,這種情況下手機(jī)是收不到驗(yàn)證碼的,因

    2024年02月04日
    瀏覽(23)
  • 【人工智能概論】 自編碼器(Auto-Encoder , AE)

    【人工智能概論】 自編碼器(Auto-Encoder , AE)

    自編碼器結(jié)構(gòu)圖 自編碼器是自監(jiān)督學(xué)習(xí)的一種,其可以理解為一個試圖還原其原始輸入的系統(tǒng)。 其主要由編碼器(Encoder)和解碼器(Decoder)組成,其工作流程是將輸入的數(shù)據(jù) x 經(jīng)編碼器壓縮成 y , y 再由解碼器轉(zhuǎn)化成 x* ,其目的是讓 x* 和 x 盡可能相近。 注意:盡管自編碼

    2024年02月04日
    瀏覽(23)
  • 【人工智能概論】 構(gòu)建神經(jīng)網(wǎng)絡(luò)——以用InceptionNet解決MNIST任務(wù)為例

    【人工智能概論】 構(gòu)建神經(jīng)網(wǎng)絡(luò)——以用InceptionNet解決MNIST任務(wù)為例

    兩條原則,四個步驟。 從宏觀到微觀 把握數(shù)據(jù)形狀 準(zhǔn)備數(shù)據(jù) 構(gòu)建模型 確定優(yōu)化策略 完善訓(xùn)練與測試代碼 InceptionNet的設(shè)計思路是通過增加網(wǎng)絡(luò)寬度來獲得更好的模型性能。 其核心在于基本單元Inception結(jié)構(gòu)塊,如下圖: 通過縱向堆疊Inception塊構(gòu)建完整網(wǎng)絡(luò)。 MNIST是入門級的

    2023年04月20日
    瀏覽(30)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包