丝袜自拍偷拍,五月天婷婷丁香激情,青青草人人艹,天天摸天天干,操逼网大香蕉,国产丁香五月,日逼com,天天干天天操天天操

點(diǎn)擊上方“機(jī)器學(xué)習(xí)與生成對(duì)抗網(wǎng)絡(luò)”，關(guān)注星標(biāo)

獲取有趣、好玩的前沿干貨！

來(lái)源：知乎—秦一

地址：https://zhuanlan.zhihu.com/p/399350505

Tensor的裁剪運(yùn)算

對(duì)Tensor中的元素進(jìn)行范圍過濾

常用于梯度裁剪（gradient clipping），即在發(fā)生梯度離散或者梯度爆炸時(shí)對(duì)梯度的處理

torch.clamp(input, min, max, out=None) → Tensor：將輸入input張量每個(gè)元素的夾緊到區(qū)間 [min,max]，并返回結(jié)果到一個(gè)新張量。

Tensor的索引與數(shù)據(jù)篩選

torch.where(codition,x,y):按照條件從x和y中選出滿足條件的元素組成新的tensor，輸入?yún)?shù)condition：條件限制，如果滿足條件，則選擇a，否則選擇b作為輸出。

torch.gather(input,dim,index,out=None):在指定維度上按照索引賦值輸出tensor

torch.inex_select(input,dim,index,out=None):按照指定索引賦值輸出tensor

torch.masked_select(input,mask,out=None):按照mask輸出tensor，輸出為向量

torch.take(input,indices):將輸入看成1D-tensor，按照索引得到輸出tensor

torch.nonzero(input,out=None):輸出非0元素的坐標(biāo)


import torch#torch.where
a = torch.rand(4, 4)b = torch.rand(4, 4)
print(a)print(b)
out = torch.where(a > 0.5, a, b)
print(out)

print("torch.index_select")
a = torch.rand(4, 4)print(a)out = torch.index_select(a, dim=0,                   index=torch.tensor([0, 3, 2]))#dim=0按列，index取的是行print(out, out.shape)


print("torch.gather")a = torch.linspace(1, 16, 16).view(4, 4)
print(a)
out = torch.gather(a, dim=0,             index=torch.tensor([[0, 1, 1, 1],                                 [0, 1, 2, 2],                                 [0, 1, 3, 3]]))print(out)print(out.shape)#注：從0開始，第0列的第0個(gè)，第一列的第1個(gè)，第二列的第1個(gè)，第三列的第1個(gè)，，，以此類推#dim=0, out[i, j, k] = input[index[i, j, k], j, k]#dim=1, out[i, j, k] = input[i, index[i, j, k], k]#dim=2, out[i, j, k] = input[i, j, index[i, j, k]]


print("torch.masked_index")a = torch.linspace(1, 16, 16).view(4, 4)mask = torch.gt(a, 8)print(a)print(mask)out = torch.masked_select(a, mask)print(out)

print("torch.take")a = torch.linspace(1, 16, 16).view(4, 4)
b = torch.take(a, index=torch.tensor([0, 15, 13, 10]))
print(b)


#torch.nonzeroprint("torch.take")a = torch.tensor([[0, 1, 2, 0], [2, 3, 0, 1]])out = torch.nonzero(a)print(out)#稀疏表示

Tensor的組合/拼接

torch.cat(seq,dim=0,out=None):按照已經(jīng)存在的維度進(jìn)行拼接

torch.stack(seq,dim=0,out=None):沿著一個(gè)新維度對(duì)輸入張量序列進(jìn)行連接。序列中所有的張量都應(yīng)該為相同形狀。


print("torch.stack")a = torch.linspace(1, 6, 6).view(2, 3)b = torch.linspace(7, 12, 6).view(2, 3)print(a, b)out = torch.stack((a, b), dim=2)print(out)print(out.shape)
print(out[:, :, 0])print(out[:, :, 1])

Tensor的切片

torch.chunk(tensor,chunks,dim=0):按照某個(gè)維度平均分塊（最后一個(gè)可能小于平均值）

torch.split(tensor,split_size_or_sections,dim=0):按照某個(gè)維度依照第二個(gè)參數(shù)給出的list或者int進(jìn)行分割tensor

Tensor的變形操作

torch().reshape(input,shape)

torch().t(input):只針對(duì)2D tensor轉(zhuǎn)置

torch().transpose(input,dim0,dim1):交換兩個(gè)維度

torch().squeeze(input,dim=None,out=None):去除那些維度大小為1的維度

torch().unbind(tensor,dim=0):去除某個(gè)維度

torch().unsqueeze(input,dim,out=None):在指定位置添加維度,dim=-1在最后添加

torch().flip(input,dims):按照給定維度翻轉(zhuǎn)張量

torch().rot90(input,k,dims):按照指定維度和旋轉(zhuǎn)次數(shù)進(jìn)行張量旋轉(zhuǎn)


import torcha = torch.rand(2, 3)print(a)out = torch.reshape(a, (3, 2))print(out)


print(a)print(torch.flip(a, dims=[2, 1]))
print(a)print(a.shape)out = torch.rot90(a, -1, dims=[0, 2]) #順時(shí)針旋轉(zhuǎn)90°  print(out)print(out.shape)

06
Tensor的填充操作

torch.full((2,3),3.14)

Tensor的頻譜操作（傅里葉變換）



猜您喜歡：

等你著陸！【GAN生成對(duì)抗網(wǎng)絡(luò)】知識(shí)星球！  
CVPR 2021 | GAN的說(shuō)話人驅(qū)動(dòng)、3D人臉論文匯總
CVPR 2021 | 圖像轉(zhuǎn)換 今如何？幾篇GAN論文
【CVPR 2021】通過GAN提升人臉識(shí)別的遺留難題
CVPR 2021生成對(duì)抗網(wǎng)絡(luò)GAN部分論文匯總
經(jīng)典GAN不得不讀：StyleGAN
最新最全20篇！基于 StyleGAN 改進(jìn)或應(yīng)用相關(guān)論文
超100篇！CVPR 2020最全GAN論文梳理匯總！
附下載 | 《Python進(jìn)階》中文版
附下載 | 經(jīng)典《Think Python》中文版
附下載 | 《Pytorch模型訓(xùn)練實(shí)用教程》
附下載 | 最新2020李沐《動(dòng)手學(xué)深度學(xué)習(xí)》
附下載 | 《可解釋的機(jī)器學(xué)習(xí)》中文版
附下載 |《TensorFlow 2.0 深度學(xué)習(xí)算法實(shí)戰(zhàn)》
附下載 | 超100篇！CVPR 2020最全GAN論文梳理匯總！
附下載 |《計(jì)算機(jī)視覺中的數(shù)學(xué)方法》分享

Pytorch | Tensor張量