首页 > 其他分享 >机器学习 - PyTorch中使用到的名字解释

机器学习 - PyTorch中使用到的名字解释

时间:2024-03-14 18:30:06浏览次数:19  
标签:scalar 机器 tensor torch 名字 PyTorch vector 向量 Tensor

  • Tensor (张量): Tensor是一个类似于NumPy数组的多维数组结构,可以在CPU或GPU上进行并行计算。Tensor是PyTorch中最基本的数据结构。Tensor represents data in a numerical way. 它具有以下几个重要的特点和用途:
    • 多维数组:Tensor可以是任意维度的数组,可以是0维 (标量),1维(向量),2维(矩阵),3维或更高维。
    • 数据类型:Tensor中的元素具有相同的数据类型,包括浮点型,整型,布尔型等。PyTorch提供了多种数据类型的Tensor, 如 torch.float32, torch.int64, torch.bool 等。
    • 自动求导:Tensor支持自动求导功能,可以用于构建和训练深度学习模型。在Tensor上执行的操作将被记录下来,从而可以通过反向传播算法计算梯度。
    • 丰富操作:PyTorch提供了丰富的Tensor操作,包括数学运算,线性代数,统计运算,张量操作等,可以方便地进行数据处理和模型构建。

举个例子: 你可以来描述一张image

# Tensor representation of image 
[3, 214, 214]  # 对应image的是 [color_channel (RGB), height pixels, width pixels]
  • Scalar (标量):A scalar is a sinlge number and it is a zero-dimension tensor in tensor. 标量就是一个单独的数,没有方向或者其他附加属性。在深度学习和机器学习中,标量经常用于表示损失函数的值,模型参数的值等简单的数值。

举个例子:

# Scalar 
scalar = torch.tensor(2)
print(scalar)  # tensor(2) 
# 输出 tensor(2) 的原因是该 scalar 的类型是 torch.Tensor.

# 可以使用 ndim 来获取该 scalar 的维度,判断是否是0维度
# ndim():Returns the number of dimensions of self tensor. 
print(scalar.ndim())  # 0

# 可以将 tensor(2) 变成整数类型
# item() 是用于将包含单个元素的Tensor转换为Python标量值的方法。
print(scalar.item())  # 7

  • Vector (向量): 在深度学习中,vector具有多种用途:
    • 表示输入特征和输出预测:在深度学习模型中,通常将输入数据和输出预测表示为向量。例如:在图像分类任务中,将图像的像素值表示为向量作为输入特征;将模型对图像所属类别的预测概率表示为向量作为输出预测。
    • 表示模型参数:深度学习模型的参数通常表示为向量。例如,在神经网络中,每一层的权重矩阵和偏置向量都是模型的参数,它们被表示为向量。
    • 表示中间层的激活值:例如,在神经网络的前向传播过程中,每一层的输入经过加权和与激活函数处理后得到的输出就是一个向量。
    • 计算损失函数:损失函数通常接受模型的预测输出和真实标签作为输入,计算它们之间的差距。这些输入数据也通常表示为向量。
    • 梯度下降更新参数:深度学习模型通常使用梯度下降算法来更新模型参数,梯度也是一个向量,表示损失函数对模型参数的偏导数。

下面是python的例子,最基本的向量表示方式是使用列表或数组来存储数据。

import numpy as np

vector_list = [1,2,3,4]

vector_array = np.array([1,2,3,4])
import torch 

vector_tensor = torch.tensor([1,2])
print(vector_tensor)  # tensor([1,2])

# Check the number of dimensions of vector
print(vector.ndim())  # 1
# 可以通过数左边的 [ 有多少个,那么结果就有多少个

# 检测一个vector里有多少个elements
print(vector.shape())  # torch.Size([2]), 原因是有两个元素在方括号里,([7,7]) 

标签:scalar,机器,tensor,torch,名字,PyTorch,vector,向量,Tensor
From: https://blog.csdn.net/BSCHN123/article/details/136713807

相关文章

  • 如何依赖机器人安装极狐GitLab
    本文作者:徐晓伟GitLab是一个全球知名的一体化DevOps平台,很多人都通过私有化部署GitLab来进行源代码托管。极狐GitLab是GitLab在中国的发行版,专门为中国程序员服务。可以一键式部署极狐GitLab。极狐GitLab依赖机器人dependabot-gitlab使用dockercompose安装说明......
  • KUKA机器人后台逻辑功能模块sps
    KUKA机器人的后台逻辑功能体现在其sps.sub文件中,其中功能和其他品牌的机器人一致(详细的说明解释可参考小编另一篇文章FANUC机器人后台逻辑功能),这边对软plc,后台逻辑功能的具体解释不做过多的赘述,下面进入讲解的主题。一、SPS后台逻辑文件的位置在workvisual软件中我们可以看到......
  • 【转载】学术科研无从下手?27 条机器学习避坑指南,让你的论文发表少走弯路
    原作者链接:https://blog.csdn.net/HyperAI/article/details/128866164 内容一览:如果你刚接触机器学习不久,并且未来希望在该领域开展学术研究,那么这份为你量身打造的「避坑指南」可千万不要错过了。关键词:机器学习科研规范学术研究机器学习学术小白,如何优雅避坑坑、让自己的......
  • Pytorch入门-Transforms
    目录ComposeToTensorNormalizeResize在PyTorch中,transforms是一个用于图像预处理和数据增强的模块,通常与torchvision库一起使用。torchvision提供了大量预先定义的transforms,它们可以方便地应用于图像数据,以进行预处理或增强。这些transforms对于训练和评估机器学习模型(尤其是深......
  • 【机器学习300问】35、什么是随机森林?
    〇、让我们准备一些训练数据idx0x1x2x3x4y04.34.94.14.75.5013.96.15.95.55.9022.74.84.15.05.6036.64.44.53.95.9146.52.94.74.66.1152.76.74.25.34.81    表格中的x0到x4一共有5个特征,y是目标值只有0,1两个值说明是一个二分类问题。 一、决策树的局限性   ......
  • 线上机器 swap 过高导致告警
    哈喽大家好,我是咸鱼。今天收到了一个告警,说有台服务器上的swap过高,已经用了50%以上了。登录机器查看一下内存以及swap的使用情况。[root@localhost~]#free-htotalusedfreesharedbuff/cacheavailableMem:62G27G2.9......
  • Prometheus 同步告警到企业微信机器人
    方法1:一、使用webhook-adapter同步信息到企业微信1.编辑alertmanager.yml文件global:resolve_timeout:5mscrape_interval:15stemplates:-'/data/prometheus/alertmanager/template/*.tmpl'route:group_by:['alertname']group_wait:10sgroup_......
  • 探索机器学习:从基础概念到应用实践
    简介随着科技的迅速发展,机器学习成为了当今科技领域的热门话题之一。它不仅在学术界蓬勃发展,而且在工业界和商业领域也广泛应用。但对于许多人来说,机器学习究竟是什么?它又如何影响我们的日常生活?在本文中,我们将深入探讨机器学习的定义、原理、算法以及应用实践。什么是机器学习......
  • 【模型转换】PyTorch模型转ONNX模型
    我们主要使用torch.onnx.export()函数来实现PyTorch模型到ONNX模型的转换。importtorchimporttorchvision.modelsasmodelsdevice="cpu"#加载预训练的ResNet18模型model=models.resnet18(pretrained=True)model.eval().to(device)#定义输入input=torc......
  • 我觉得国产的kimi聊天机器人在文档分析上比claude3略胜一筹
    清华大学人工智能研究院开发的kimi聊天机器人,是一个基于Transformer模型的大型语言模型,可以生成文本、翻译语言、写不同类型的创意内容,并以信息丰富的方式回答您的问题。使用方法1.访问Kimi聊天机器人您可以通过以下两种方式访问Kimi聊天机器人:Web界面:访问Kimi聊......