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

深入淺出Pytorch函數(shù)——torch.squeeze

這篇具有很好參考價(jià)值的文章主要介紹了深入淺出Pytorch函數(shù)——torch.squeeze。希望對大家有所幫助。如果存在錯(cuò)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(bào)違法"按鈕提交疑問。

分類目錄:《深入淺出Pytorch函數(shù)》總目錄
相關(guān)文章:
· 深入淺出Pytorch函數(shù)——torch.squeeze
· 深入淺出Pytorch函數(shù)——torch.unsqueeze


將輸入張量形狀為1的維度去除并返回。比如輸入向量的形狀為 A × 1 × B × 1 × C × 1 × D A\times1\times B\times1\times C\times1\times D A×1×B×1×C×1×D,則輸出向量形狀就為 A × B × C × D A\times B\times C\times D A×B×C×D。當(dāng)給定參數(shù)dim時(shí),則操作只在給定維度dim上。例如,輸入向量的形狀為 A × 1 × B A\times1\times B A×1×B,使用squeeze(input, 0),輸出向量的形狀將會保持張量不變,只有使用 squeeze(input, 1),輸出向量的形狀才會變成 A × B A\times B A×B。需要注意的是,返回張量與輸入張量共享內(nèi)存,所以改變其中一個(gè)的內(nèi)容會改變另一個(gè)。

語法
torch.squeeze(input, dim=None) -> Tensor
參數(shù)
  • input:[Tensor] 輸入張量
  • dim:[可選,int/tuple] 擠壓維度的位置索引
實(shí)例

輸入:

x = torch.zeros(2, 1, 2, 1, 2)
x.size()

輸出:

torch.Size([2, 1, 2, 1, 2])

輸入:

y = torch.squeeze(x)
y.size()

輸出:

torch.Size([2, 2,, 2])

輸入:

y = torch.squeeze(x, 0)
y.size()

輸出:

torch.Size([2, 1, 2, 1, 2])

輸入:

y = torch.squeeze(x, 1)
y.size()

輸出:

torch.Size([2, 2, 1, 2])

輸入:

y = torch.squeeze(x, (1, 2, 3))
y.size()

輸出:文章來源地址http://www.zghlxwxcb.cn/news/detail-600147.html

torch.Size([2, 2, 2])

到了這里,關(guān)于深入淺出Pytorch函數(shù)——torch.squeeze的文章就介紹完了。如果您還想了解更多內(nèi)容,請?jiān)谟疑辖撬阉鱐OY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(bào)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

  • 深入淺出Pytorch函數(shù)——torch.ones

    分類目錄:《深入淺出Pytorch函數(shù)》總目錄 相關(guān)文章: · 深入淺出Pytorch函數(shù)——torch.Tensor · 深入淺出Pytorch函數(shù)——torch.ones · 深入淺出Pytorch函數(shù)——torch.zeros · 深入淺出Pytorch函數(shù)——torch.full · 深入淺出Pytorch函數(shù)——torch.ones_like · 深入淺出Pytorch函數(shù)——torch.zeros_like · 深

    2023年04月26日
    瀏覽(126)
  • 深入淺出Pytorch函數(shù)——torch.maximum

    分類目錄:《深入淺出Pytorch函數(shù)》總目錄 相關(guān)文章: · 深入淺出Pytorch函數(shù)——torch.max · 深入淺出Pytorch函數(shù)——torch.maximum 計(jì)算 input 和 other 的元素最大值。 語法 參數(shù) input :[ Tensor ] 輸入張量 other :[ Tensor ] 輸入的第二個(gè)張量 實(shí)例

    2024年02月15日
    瀏覽(96)
  • 深入淺出Pytorch函數(shù)——torch.full

    分類目錄:《深入淺出Pytorch函數(shù)》總目錄 相關(guān)文章: · 深入淺出Pytorch函數(shù)——torch.Tensor · 深入淺出Pytorch函數(shù)——torch.ones · 深入淺出Pytorch函數(shù)——torch.zeros · 深入淺出Pytorch函數(shù)——torch.full · 深入淺出Pytorch函數(shù)——torch.ones_like · 深入淺出Pytorch函數(shù)——torch.zeros_like · 深

    2024年02月07日
    瀏覽(95)
  • 深入淺出Pytorch函數(shù)——torch.exp

    分類目錄:《深入淺出Pytorch函數(shù)》總目錄 相關(guān)文章: · 深入淺出TensorFlow2函數(shù)——tf.exp · 深入淺出TensorFlow2函數(shù)——tf.math.exp · 深入淺出Pytorch函數(shù)——torch.exp · 深入淺出PaddlePaddle函數(shù)——paddle.exp 對輸入 input 逐元素進(jìn)行以自然數(shù) e e e 為底指數(shù)運(yùn)算。 語法 參數(shù) input :[ Te

    2024年02月11日
    瀏覽(91)
  • 深入淺出Pytorch函數(shù)——torch.max

    分類目錄:《深入淺出Pytorch函數(shù)》總目錄 相關(guān)文章: · 深入淺出Pytorch函數(shù)——torch.max · 深入淺出Pytorch函數(shù)——torch.maximum torch.max 有三種輸入形式,根據(jù)其輸入形式及參數(shù)的不同有下列三種返回形式: torch.max(input) :返回輸入張量所有元素的最大值。 torch.max(input, dim, keep

    2024年02月15日
    瀏覽(93)
  • 深入淺出Pytorch函數(shù)——torch.tensor

    分類目錄:《深入淺出Pytorch函數(shù)》總目錄 相關(guān)文章: · 深入淺出TensorFlow2函數(shù)——tf.constant · 深入淺出Pytorch函數(shù)——torch.tensor · 深入淺出Pytorch函數(shù)——torch.as_tensor · 深入淺出Pytorch函數(shù)——torch.Tensor · 深入淺出PaddlePaddle函數(shù)——paddle.to_tensor 基于 data 構(gòu)建一個(gè)沒有梯度歷史

    2024年02月04日
    瀏覽(101)
  • 深入淺出PyTorch函數(shù)torch.rand與torch.randn

    深入淺出PyTorch函數(shù)torch.rand與torch.randn

    torch.rand 和 torch.randn 都是PyTorch中用于生成隨機(jī)張量的函數(shù),但它們生成隨機(jī)數(shù)的方式有所不同。 torch.rand 生成在區(qū)間 [0, 1) 內(nèi)均勻分布的隨機(jī)數(shù)。 size 參數(shù)是一個(gè)表示所需張量形狀的元組或整數(shù)??梢陨扇魏涡螤畹碾S機(jī)張量。 torch.randn 生成從標(biāo)準(zhǔn)正態(tài)分布(均值為0,標(biāo)準(zhǔn)

    2024年02月09日
    瀏覽(102)
  • 深入淺出Pytorch函數(shù)——torch.Tensor.backward

    分類目錄:《深入淺出Pytorch函數(shù)》總目錄 相關(guān)文章: · 深入淺出Pytorch函數(shù)——torch.Tensor 計(jì)算當(dāng)前張量相對于圖的梯度,該函數(shù)使用鏈?zhǔn)椒▌t對圖進(jìn)行微分。如果張量不是一個(gè)標(biāo)量(即其數(shù)據(jù)具有多個(gè)元素)并且需要梯度,則函數(shù)還需要指定梯度,指定的梯度應(yīng)該是一個(gè)與

    2024年02月15日
    瀏覽(89)
  • 深入淺出Pytorch函數(shù)——torch.nn.Linear

    分類目錄:《深入淺出Pytorch函數(shù)》總目錄 對輸入數(shù)據(jù)做線性變換 y = x A T + b y=xA^T+b y = x A T + b 語法 參數(shù) in_features :[ int ] 每個(gè)輸入樣本的大小 out_features :[ int ] 每個(gè)輸出樣本的大小 bias :[ bool ] 若設(shè)置為 False ,則該層不會學(xué)習(xí)偏置項(xiàng)目,默認(rèn)值為 True 變量形狀 輸入變量:

    2024年02月12日
    瀏覽(94)
  • 深入淺出Pytorch函數(shù)——torch.nn.Module

    分類目錄:《深入淺出Pytorch函數(shù)》總目錄 Pytorch中所有網(wǎng)絡(luò)的基類,我們的模型也應(yīng)該繼承這個(gè)類。 Modules 也可以包含其它 Modules ,允許使用樹結(jié)構(gòu)嵌入他們,我們還可以將子模塊賦值給模型屬性。 語法 方法 torch.nn.Module.apply 實(shí)例 通過上面方式賦值的 submodule 會被注冊,當(dāng)調(diào)

    2024年02月12日
    瀏覽(99)

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