首页 > 其他分享 >如何判断torch中tensor的维度

如何判断torch中tensor的维度

时间:2023-09-26 11:36:43浏览次数:48  
标签:方括号 tensor torch 张量 列表 维度 包围

省流版本

在输出一个张量时,你可以根据张量输出的方括号([])的数量来判断张量的维度。每个方括号对应张量的一个维度,张量的维度数就是方括号的数量。
最外面的为第一个维度,往里面依次为第2 3 ... 维度。

例如,如果你看到如下输出:

tensor([[1, 2, 3],
        [4, 5, 6]])

这个张量有两个方括号,所以它是一个二维张量(矩阵)。第一个方括号包围了两个列表,表示第一个维度的大小是2。第二个方括号包围了每个列表中的元素,表示第二个维度的大小是3。

另一个示例,如果你看到如下输出:

tensor([[[1, 2],
         [3, 4]],

        [[5, 6],
         [7, 8]]])

这个张量有三个方括号,所以它是一个三维张量。第一个方括号包围了两个元素,表示第一个维度的大小是2。第二个方括号包围了每个元素中的两个列表,表示第二个维度的大小是2。第三个方括号包围了每个列表中的元素,表示第三个维度的大小是2。

通过观察方括号的数量,你可以确定张量的维度。

标签:方括号,tensor,torch,张量,列表,维度,包围
From: https://www.cnblogs.com/hi-wind/p/17729703.html

相关文章

  • pytorch(3-0) 可视化训练误差折线图有
     缺点必须手动点击下关闭才能刷新最新的图,起码不会阻塞训练过程     ###画图训练损失训练精度测试精度importmatplotlib.pyplotaspltimportthreadingimporttimeimportmatplotlib.animationasanimationclassAnimator:def__init__(self......
  • # Tensorflow Federated (tff)
    TensorflowFederated(tff)1.安装pipinstalltensorflow-federated可通过以下方式检查已安装成功,importtensorflow_federatedastffprint(tff.federated_computation(lambda:'HelloWorld')())理想输出,2.数据tff.simulation.datasetstff.simulation下的一个模......
  • 1、pytorch_geometric基本使用
    工具包安装方法:¶一定参考其GITHUB:https://github.com/pyg-team/pytorch_geometric(千万不要pip直接安装,肯定不行的)   In [1]:%matplotlibinlineimporttorchimportnetworkxasnximportmatplotlib.pyplotaspltdefvisualize_gra......
  • pytorch(3-2) 多层 线性回归 训练和预测代码
     脱离网页化python没有可视化    #%matplotlibinlineimporttorchimporttorchvisionfromtorch.utilsimportdatafromtorchvisionimporttransformsfromd2limporttorchasd2l#通过ToTensor实例将图像数据从PIL类型变换成32位浮点数格式,#并除以2......
  • Transformer架构解析及其pytorch实现
    备注本文对Transformer架构的分析来源于论文AttentionisAllYouNeed以及部分其引用的论文,可以理解为对该论文的翻译以及相关内容的整理。本文对Transformer的实现基于Pytorch,但是不直接调用Pytorch封装的Transformer,而是手动实现Encoder和Decoder等;与Transformer......
  • 《动手学深度学习 Pytorch版》 7.7 稠密连接网络
    7.7.1从ResNet到DenseNetDenseNet可以视为ResNet的逻辑扩展。ResNet将函数展开为\(f(\boldsymbol{x})=x+g(\boldsymbol{x})\),即一个简单的线性项和一个复杂的非线性项。若将\(f\)拓展成超过两部分,则DenseNet便是其中一种方案。这即是DenseNet和ResNet的主要区......
  • TorchAudio 2.0.1学习
    对于函数而言,在将张量参数传递给函数之前,请将其移到CUDA设备上。例如:cuda=torch.device("cuda")waveform=waveform.to(cuda)spectrogram=torchaudio.functional.spectrogram(waveform)支持CUDA的类是通过torch.nn.Module()实现的。在传递CUDA张量之前,也需要将实例移动......
  • 《动手学深度学习 Pytorch版》 7.6 残差网络(ResNet)
    importtorchfromtorchimportnnfromtorch.nnimportfunctionalasFfromd2limporttorchasd2l7.6.1函数类如果把模型看作一个函数,我们设计的更强大的模型则可以看作范围更大的函数。为了使函数能逐渐靠拢到最优解,应尽量使函数嵌套,以减少不必要的偏移。如下图,更复......
  • 《动手学深度学习 Pytorch版》 7.5 批量规范化
    7.5.1训练深层网络训练神经网络的实际问题:数据预处理的方式会对最终结果产生巨大影响。训练时,多层感知机的中间层变量可能具有更广的变化范围。更深层的网络很复杂容易过拟合。批量规范化对小批量的大小有要求,只有批量大小足够大时批量规范化才是有效的。用\(\bol......
  • 完美解决ModuleNotFoundError: No module named ‘torch.utils.tensorboard‘
    完美解决ModuleNotFoundError:Nomodulenamed‘torch.utils.tensorboard’文章目录报错问题解决方法声明报错问题之前在工作中遇到过这个坑,记录一下问题以及解决方法,不一定针对所有情况都能用,但是可以供大家参考。问题描述如下:ModuleNotFoundError:Nomodulenamed‘torch.......