个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
28
4
CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章Pytorch之扩充tensor的操作由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
我就废话不多说了，大家还是直接看代码吧~ 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
|
b
=
torch.zeros((
3
,
2
,
6
,
6
))
a
=
torch.zeros((
3
,
2
,
1
,
1
))
a.expand_as(b).size()
Out[
32
]: torch.Size([
3
,
2
,
6
,
6
])
a
=
torch.zeros((
3
,
2
,
2
,
1
))
a.expand_as(b).size()
Traceback (most recent call last):
File
"/home/lart/.conda/envs/pt/lib/python3.6/site-packages/IPython/core/interactiveshell.py"
, line
3267
,
in
run_code
exec
(code_obj,
self
.user_global_ns,
self
.user_ns)
File
"<ipython-input-34-972575f79e92>"
, line
1
,
in
<module>
a.expand_as(b).size()
RuntimeError: The expanded size of the tensor (
6
) must match the existing size (
2
) at non
-
singleton dimension
2.
Target sizes: [
3
,
2
,
6
,
6
]. Tensor sizes: [
3
,
2
,
2
,
1
]
a
=
torch.zeros((
3
,
2
,
1
,
2
))
a.expand_as(b).size()
Traceback (most recent call last):
File
"/home/lart/.conda/envs/pt/lib/python3.6/site-packages/IPython/core/interactiveshell.py"
, line
3267
,
in
run_code
exec
(code_obj,
self
.user_global_ns,
self
.user_ns)
File
"<ipython-input-36-972575f79e92>"
, line
1
,
in
<module>
a.expand_as(b).size()
RuntimeError: The expanded size of the tensor (
6
) must match the existing size (
2
) at non
-
singleton dimension
3.
Target sizes: [
3
,
2
,
6
,
6
]. Tensor sizes: [
3
,
2
,
1
,
2
]
a
=
torch.zeros((
3
,
2
,
2
,
2
))
a.expand_as(b).size()
Traceback (most recent call last):
File
"/home/lart/.conda/envs/pt/lib/python3.6/site-packages/IPython/core/interactiveshell.py"
, line
3267
,
in
run_code
exec
(code_obj,
self
.user_global_ns,
self
.user_ns)
File
"<ipython-input-38-972575f79e92>"
, line
1
,
in
<module>
a.expand_as(b).size()
RuntimeError: The expanded size of the tensor (
6
) must match the existing size (
2
) at non
-
singleton dimension
3.
Target sizes: [
3
,
2
,
6
,
6
]. Tensor sizes: [
3
,
2
,
2
,
2
]
a
=
torch.zeros((
3
,
2
,
6
,
2
))
a.expand_as(b).size()
Traceback (most recent call last):
File
"/home/lart/.conda/envs/pt/lib/python3.6/site-packages/IPython/core/interactiveshell.py"
, line
3267
,
in
run_code
exec
(code_obj,
self
.user_global_ns,
self
.user_ns)
File
"<ipython-input-40-972575f79e92>"
, line
1
,
in
<module>
a.expand_as(b).size()
RuntimeError: The expanded size of the tensor (
6
) must match the existing size (
2
) at non
-
singleton dimension
3.
Target sizes: [
3
,
2
,
6
,
6
]. Tensor sizes: [
3
,
2
,
6
,
2
]
a
=
torch.zeros((
3
,
2
,
6
,
1
))
a.expand_as(b).size()
Out[
44
]: torch.Size([
3
,
2
,
6
,
6
])
a
=
torch.zeros((
3
,
2
,
1
,
6
))
a.expand_as(b).size()
Out[
46
]: torch.Size([
3
,
2
,
6
,
6
])
|
tensor.expand_as在这里用于扩展tensor到目标形状，常用的多是在H和W方向上的扩展.
假设目标形状为N, C, H, W，则要求tensor.size()=n, c, h, w(这里假设N，C不变):
1、h=w=1 。
2、h=1, w!=1 。
3、h!=1, w=1 。
补充：tensorflow 利用expand_dims和squeeze扩展和压缩tensor维度 。
在利用tensorflow进行文本挖掘工作的时候，经常涉及到维度扩展和压缩工作.
比如对文本进行embedding操作完成之后，若要进行卷积操作，就需要对embedded的向量扩展维度，将[batch_size, embedding_dims]扩展成为[batch_size, embedding_dims, 1]，利用tf.expand_dims(input, -1)就可实现，反过来用squeeze(input, -1)或者tf.squeeze（input）也可以把最第三维去掉.
tf.expand_dims() 。
tf.squeeze() 。
|
1
|
tf.expand_dims(
input
, axis
=
None
, name
=
None
, dim
=
None
)
|
在第axis位置增加一个维度. 。
给定张量输入，此操作在输入形状的维度索引轴处插入1的尺寸。 尺寸索引轴从零开始; 如果您指定轴的负数，则从最后向后计数.
如果要将批量维度添加到单个元素，则此操作非常有用。 例如，如果您有一个单一的形状[height，width，channels]，您可以使用expand_dims（image，0）使其成为1个图像，这将使形状[1，高度，宽度，通道].
例子 。
|
1
2
3
4
5
6
7
8
|
# 't' is a tensor of shape [2]
shape(expand_dims(t,
0
))
=
=
> [
1
,
2
]
shape(expand_dims(t,
1
))
=
=
> [
2
,
1
]
shape(expand_dims(t,
-
1
))
=
=
> [
2
,
1
]
# 't2' is a tensor of shape [2, 3, 5]
shape(expand_dims(t2,
0
))
=
=
> [
1
,
2
,
3
,
5
]
shape(expand_dims(t2,
2
))
=
=
> [
2
,
3
,
1
,
5
]
shape(expand_dims(t2,
3
))
=
=
> [
2
,
3
,
5
,
1
]
|
|
1
|
tf.squeeze(
input
, axis
=
None
, name
=
None
, squeeze_dims
=
None
)
|
直接上例子 。
|
1
2
3
4
|
# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
shape(squeeze(t))
=
=
> [
2
,
3
]
# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
shape(squeeze(t, [
2
,
4
]))
=
=
> [
1
,
2
,
3
,
1
]
|
以上为个人经验，希望能给大家一个参考，也希望大家多多支持我。如有错误或未考虑完全的地方，望不吝赐教.
原文链接：https://blog.csdn.net/P_LarT/article/details/90145088 。
最后此篇关于Pytorch之扩充tensor的操作的文章就讲到这里了,如果你想了解更多关于Pytorch之扩充tensor的操作的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。
28
4
0
我正在尝试填充一个 ListView ，其中每一行都有 2 个 TextView 和一个按钮。我想我几乎让它正常工作，但现在 ListView 只显示 ListView 中的 1 个项目并忽略其他数据
是否可以通过向 DOM 元素添加新属性来扩充普通 JavaScript 对象？例如，我们能否为按钮或输入添加一个新属性，比如一个指示用户最后一次点击它的时间的值？ 最佳答案 是的。有时您会发现它被描述
我的要求是能够快速检索树中的最小值和最大值。 (注意，不是最小/最大 key ，而是卫星数据的最小/最大)。 树将基于字符串作为键，每个节点将存储一个整数。这个整数必然会改变并不断更新。键保持固定 我
我正在浏览 Introduction to Algorithms by Cormen第 14 章(增强数据结构)，他在其中谈论区间树。下面是他提到的区间树背后的设计方法。 Step 1: Underl
我知道如何为每个对象添加新方法 - 通过扩充对象的原型(prototype): Object.prototype.foo = function() { }; 但是，是否可以只为 DOM 元素节点定义
我正在开发一个已经在 Kaggle 实现的项目这与图像分类有关。我总共有 6 个类别要预测，分别是愤怒、快乐、悲伤等。我已经实现了 CNN 模型，目前仅使用 4 个类别(图像数量最多的类别)，但我的模
在我的 NativeScript 项目中，我想包含来自 Android 支持库的 RecyclerView。我将依赖项包含在 app/App_Resources/Android/app.gradle
我正在创建一个使用 twitter api 的应用程序。 我正在检索推文并向用户展示。 在某些情况下，推文有链接，如下图所示。 阅读 twitter 的 api 文档，我发现了一个叫做“增强 URL
我正在阅读JavaScript the good parts这本书，看到了以下代码: Function.prototype.method = function (name, func) { this
我有一个按钮 View 。我是否必须将它包装在 Layout 中以便能够在 Activity 中膨胀它的实例？ View 是否有类似的模式，以便我可以声明性地设置一次，然后创建它的多个实例？ 谢谢。
我在数据库的 BLOB 字段中有一个 zip 流。我正在尝试给它充气，但到目前为止还做不到。 问题是这个流是一个压缩流，而不是一个完整的压缩文件。 如果清楚的话，这将是对其进行膨胀的 Java 代码:
我是一名优秀的程序员,十分优秀！