1回答
我注意到pytorch中的一些向量的维度是空的，比如a=torch.randn(1)的大小是(1L,)。这些类型的向量叫什么?为什么它们缺少第二维？我使用的是OSX和Ubuntu --不确定这是否有区别。
浏览 21提问于2017-08-09得票数 2
1回答
火炬中的两个张量串联
、、、、
如何用零矢量填充形状[71 32 1]的张量，使之成为[100 32 1]
我尝试通过连接形状[29 32 1]的零的填充向量。我尝试用形状为零的填充
浏览 0提问于2018-11-28得票数 7
1回答
我目前正在计算向量之间的各种相似性度量，比如余弦相似度，欧几里德距离，马氏距离等等。由于我处理的向量可能很大，所以我需要的计算时间最小。我很难理解如何处理不同维度的向量(但是，它们确实共享一个维度)，以及如何在PyTorch中处理这个问题。
对于v_a中的A中的
浏览 15提问于2022-05-18得票数 1
回答已采纳
2回答
这似乎是PyTorch中关于LSTM最常见的问题之一，但我仍然无法弄清楚PyTorch LSTM的输入形状应该是什么。
即使在跟踪了几个帖子(、、)并尝试了解决方案之后，它似乎也不起作用。背景:我在一批大小为12的文本序列中编码了文本序列(可变长度)，并使用pad_packed_sequence功能对序列进行填充和打包。每个序列的MAX_LEN为384，序列中的每个令牌(或word)的维数为768。
浏览 6提问于2020-05-06得票数 16
回答已采纳
操作:我有维度[n x m x c]的pytorch张量A和维度[1 x 1 x c]的B。我想将每个1 x 1 x c向量的内积与A的B相乘，从而生成[n x m]维的张量C。在我的网络的前向函数中，在特定的步骤我接收维度[N, channels, Height, Width]的张量，其中N是图像的数量，通道是特征映射中<em
浏览 35提问于2019-01-31得票数 1
回答已采纳
1回答
我正在使用PyTorch的增强算法。我注意到，使用Softmax的简单网络的批处理推理/预测并不等于1(甚至不接近1)。我附加了一个最低限度的工作代码，以便您可以复制它。我在这里错过了什么？
浏览 1提问于2021-04-29得票数 1
回答已采纳
2回答
我有下面的张量表示一个单词向量其中第一个维度是批次维度(即A包含两个词向量，每个向量有500个元素)B = (10, 500)C = (2, 10, 1)我看过使用torch.nn.functional.F.cosine_similarity，但是这不起作用在pytorch</
浏览 38提问于2021-02-26得票数 2
回答已采纳
1回答
假设我将a的最后一个维度提取到另一个列向量c中，我想计算matmul(matmul(c.T, b), c)。我希望这在a的前3个维度中的每一个维度都能完成。这就是最终的产品应该是形状(16,8,8,1)。我如何在pytorch中实现这一点？
浏览 12提问于2019-12-20得票数 2
回答已采纳
1回答
假设我有两个具有维度的3D矩阵/张量：[10, 4, 1000][10, 3, 4, 1000]
所以每一行，如果你愿意，在第二个x第三个维度中，每个向量在每个组合中与另一个相加。有没有一种聪明的方法可以用numpy或pytorch来做到这一点(对numpy解决方案非常满意，尽管我正在尝试在py
浏览 0提问于2018-02-23得票数 1
1回答
我是DNN和pytorch的初学者。我正在处理一个多分类问题，在这个问题中，我的标签被编码成一个单一的热向量，比如维度D。为此，我使用CrossEntropyLoss。然而，现在我想修改或改变这样的标准，以便惩罚与实际值相去甚远的值，比如分类4比5好，分类2比5好。
Pytorch中是否已经内置了实现此行为的函数？
浏览 1提问于2018-10-11得票数 5
在我的神经网络模型中，我用一个8x256维嵌入矩阵表示一个8个单词的句子。我希望将其作为输入提供给LSTM，其中LSTM一次接受嵌入的单个单词作为输入并对其进行处理。根据pytorch ，输入应该是(seq_len, batch, input_size)的形状。将输入转换为所需形状的正确方法是什么？我不想把数字搞混了。我在PyTorch和行主计算方面是个新手，所以我想在这里问一下。我这样做，对吗？
浏览 1提问于2018-11-28得票数 2
在一个令人惊叹的<code>C0</code>之后，我实现了自己的自我关注模块。然而，我发现PyTorch已经实现了一个<code>C1</code>。<code>D2</code>模块的前向传递的输入包括<code>D3</code> (查询向量)、<code>D4</code> (键向量)和<
浏览 122提问于2020-08-04得票数 1
回答已采纳
2回答
我有一个用以下维度[batch_size, seq_len, n_features]加载的数据集(例如，torch.Size(16,600,130))。我希望能够沿着序列长度axis=1对这些数据进行洗牌，而不改变PyTorch中的批排序或特征向量排序。tensor([[[3,3],[1,1],[2,2]],
浏览 1提问于2021-05-24得票数 2
回答已采纳
2回答
softmax应该应用于哪个维度？[ 0.3200, 0.2914],因此，第一个张量优先于softmax，第二个张量是softmax应用于dim=-1的张量的结果，第三个张量是softmax应用于具有dim=1的张量的结果。对于第一个==的结果，可以看到相应的元素和为1，例如0.4565，0.5435 -> 0.4565 + 0.5435 softmax 1。
第二个soft
浏览 1提问于2018-09-26得票数 5
回答已采纳
我目前正在尝试在PyTorch中实现一个LSTM，只要涉及到处理批量大小和多维张量，我就会突然忘记线性代数是如何工作的。我有一个大小为64，19，1的注意力分数张量，其中64是批量大小，19是源句的最大长度。我还有一个编码器输出的张量(隐藏状态)；它的形状是64、19、256，其中256是隐藏状态的维度。计算上下文向量/注意力得分和编码器隐藏状态的加权平均值的合适方法是什
浏览 69提问于2021-10-18得票数 0
Pytorch中的Tensor.size和Tensor.shape有什么不同？我想知道张量的元素数和维数。例如，对于维度为2×3×4的张量，我预计元素数量为24，维度为(2,3,4)。谢谢。
浏览 96提问于2020-08-05得票数 8
回答已采纳
1回答
我正试图理解在Pytorch中的解池，因为我想构建一个卷积的自动编码器。IndexError: tuple index out of range
虽然在本例中对数据进行了模拟，但由于必须进行预处理，输入必须是该形状的。我对卷积网络相当陌生，但我甚至尝试过在池之前使用ReLU和卷积2D层，然而，当取消这种形状的池时，索引似乎总是不正确的。
浏览 3提问于2019-10-16得票数 0
回答已采纳
所以，我有一个U-Net模型，我将5000x5000x3的图像输入到模型中，然后我得到了上面的错误。 这是我的模型。self.dconv_up1(x) return out 我试图做模型(inputs.unsqueeze_(0))，但我得到了一个不同的错误
浏览 25提问于2019-06-27得票数 1
回答已采纳
1回答
inputs)# -> `concat` now has shape `(*, 25)`, as desired# PyTorch — this does not work def __init__(self):2 = self.layer2(inputs)
concat = torch.cat([layer_1
浏览 2提问于2021-12-26得票数 2
回答已采纳
2回答
我正在处理MNIST数据集并拥有我的train_x.shape = (60000, 28, 28, )，为什么它有“空”维度而不是(60000, 28, 28)How，我可以转换相同的值吗？有什么方法可以循环通过数组中的第一个维度吗？(或者更好的解决方案？)提前谢谢！
浏览 6提问于2022-02-08得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
