首页 > 其他分享 >torch.squeeze

torch.squeeze

时间:2022-12-24 11:55:05浏览次数:28  
标签:int32 tensor dtype torch 维度 squeeze

把维度进行压缩A*1*B就会变成A*B也可以使用torch.squeeze去压缩指定维度,如果压缩的指定维度不为1则返回原数组。

import torch import numpy as np x=np.arange(24).reshape((2,1,3,4)) x = torch.tensor(x) print(x) print(x.squeeze())

tensor([[[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]]],


[[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]]], dtype=torch.int32)
tensor([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],

[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]], dtype=torch.int32)

标签:int32,tensor,dtype,torch,维度,squeeze
From: https://www.cnblogs.com/hahaah/p/17002699.html

相关文章

  • pytorch的unsqueeze
    就是在指定维度前再插入一个新的维度。importtorchimportnumpyasnpx=np.arange(24).reshape((2,3,4))x=torch.tensor(x)print(x)y=x.permute((2,0,1))prin......
  • torch.premute的介绍
    permute进行的是置换。permute的dim需要参数表示进行置换的维度。importtorchimportnumpyasnpx=np.arange(24).reshape((2,3,4))x=torch.tensor(x)print(x)y=......
  • 几个例子帮你梳理PyTorch知识点(张量、autograd)
    因为我最近想学Pytorchlightning,重构一下之前的代码,所以回来梳理一下Pytorch的语法,好进行下一步学习,所以从头重新回顾一下Pytorch。这个文章是通过几个简单例子帮大家回顾......
  • PyTorch复现ResNet学习笔记
    PyTorch复现ResNet学习笔记一篇简单的学习笔记,实现五类花分类,这里只介绍复现的一些细节如果想了解更多有关网络的细节,请去看论文《DeepResidualLearningforImageRec......
  • PyTorch 深度学习实践第八讲(Dataset and DataLoader)
    上课代码importtorchimportnumpyasnpfromtorch.utils.dataimportDataset#Data是一个抽先类fromtorch.utils.dataimportDataLoaderclassDiabetesDataset(Datas......
  • pytorch train demo
    一、用pytorch实现lenet类似网络的训练1.网络结构2.代码mporttorch......
  • PyTorch 深度学习实践第七讲(处理多维特征的输入)
    基本原理降维基本原理备注:读文档和基本架构能力很重要,具备此技能能够拥有强的泛化能力上课代码importtorchimportnumpyasnpimporttorch.nn.functionalasFimportmatp......
  • PyTorch 深度学习实践第六讲(逻辑回归)
    LogisticFunctionSigmoidFunctions交叉熵备注:BCE越小分布越接近,越好深度学习基本框架上课代码importtorchimportnumpyasnpimporttorch.nn.functionalasFimportmat......
  • 用一个图像分类实例拿捏Pytorch使用方法
    写在最前边这篇文章要写的内容看封面,就是要用一篇文章讲解一下,怎么用Fashion-MNIST数据集,我们自己建一个神经网络,训练好之后用它做图片分类。importtorchfromtorchim......
  • PyTorch 深度学习实践第五讲(用PyTorch实现线性回归)
    基本步骤上课代码importtorchx_data=torch.Tensor([[1.0],[2.0],[3.0]])y_data=torch.Tensor([[2.0],[4.0],[6.0]])#x与y必须是矩阵classLinearModel(torch.n......