1回答
我有一个张量，它是A = 40x1。 我需要将它与其他3个张量相乘：B = 40x100x384, C = 40x10, D=40x10。例如，在张量B中，我们得到了40个100x384矩阵，我需要将这些矩阵中的每个矩阵与A中的相应元素相乘 在pytorch中做这件事最好的方法是什么？假设我们可以有更多的矩阵，比如B，C，D，它们总是以40xKxL或40xJ的形式出现
浏览 24提问于2019-05-14得票数 1
回答已采纳
是否可以将张量中的一个(最后)维单独与其他向量相乘？ 例如，假设张量T=100为20,400，矩阵M = 400,400。是否有可能使操作h_{transpose}*M*h，其中h是张量T的最后一维？换句话说，是否可以使用(可能是pytorch)内置函数来获得大小为100，20，1的结果张量
浏览 13提问于2019-04-02得票数 0
回答已采纳
1回答
我有两个三维Pytorch张量，一个维度(8，1,1024)，另一个维度(8，59，77)。我想把这两个人相乘。 我知道它们不能在当前状态下相乘，所以我想迭代地将它们相乘，并附加到单个张量中。当我们迭代第二维时，第二个张量可以表示为(8，59，1)。在这种状态下，将其与形状的第一个张量(8，1,1024)相乘，得到形状(8，59,1024)的<e
浏览 32提问于2020-11-22得票数 1
1回答
我有两个张量的火把，这些形状： RuntimeError:张量必须具有相同的维数: got 2和3
我该怎么做才能解决这个问题？如何将二维PyTorch张量转换为三维张量，或者
浏览 5提问于2021-12-07得票数 0
回答已采纳
在通过pytorch对resnet50模型进行培训时，我得到了以下错误：
使用此数据集
浏览 0提问于2019-03-07得票数 0
回答已采纳
1回答
移除火把中的零维
、、、
我有torch.tensor，其尺寸为0 x 240 x 3 x 540 x 960240x3x540 x 960的大小。我用tensor= torch.squeeze(tensor)来尝试，但是零维没有被移除.
在我的例子中，张量的大小是可变的，所以我不能硬编码到torch.squeeze。有什么简单的方法来删除pytorch</
浏览 2提问于2021-05-18得票数 3
回答已采纳
1回答
根据，我看到Pytorch’s LSTM expects all of its inputs to be 3D tensors.正在尝试做一个简单的序列到序列的LSTM，并且我有： print('x', x)我的x.size我想我需要一个第三维度，但我不确定它到
浏览 2提问于2020-02-11得票数 2
回答已采纳
1回答
在PyTorch中，给定size=3的张量，如何将其扩展到size=3,2,5,5，使所添加的维具有与原始张量相对应的值。例如，使size=3 vector=[1,2,3]，使大小为2,5,5的第一个张量具有1值，第二个张量具有所有值2，第三个张量为3。此外，如何将大小为3,2,5,5的向量扩
浏览 0提问于2022-02-21得票数 3
回答已采纳
1回答
我已经根据变量的变化维度更新了我的问题。我知道在Tensorflow中，如果输入维度正在变化/未知，我们可以将其声明为tf
浏览 2提问于2017-08-14得票数 0
我有大小为2x8x8的例子作为张量，我正在使用PyTorch数据加载器。但现在我也想添加一个大小为1(单个数字)的1维张量作为输入。因此，我有两个神经网络的输入参数，一个是卷积层的多维参数，另一个是稍后要连接的额外参数。 也许我可以使用两个数据加载器，对于每个张量形状一个，但我不能洗牌。如何将单个PyTorch数据读取器用于这两个不同的<
浏览 34提问于2020-10-29得票数 0
回答已采纳
1回答
Python中张量的全变分正则化
、、、、
嗨，我正在尝试实现张量或更精确的多通道图像的总变分函数。我发现，对于上面的总变化(图中)，有如下的源代码： tv_h = ((img[:,:,1tv_w = ((img[:,:,:,1:] - img[:,:,:,:-1]).pow(2)).sum() 因为我是python的初学者，所以我不明白索引是如何在图像中引用i
浏览 0提问于2021-09-20得票数 2
回答已采纳
1回答
我编写了一个自定义的pytorch Dataset，__getitem__()函数返回一个形状为(250, 150)的张量，然后使用DataLoader生成一批批大小为10的数据。我的意思是在维数为0将这10个张量连在一起时，生成一个带有形状(2500, 150)的批处理，但是DataLoader的输出具有形状(10, 250, 150)。如何将DataLoader的</e
浏览 1提问于2021-10-12得票数 0
回答已采纳
我是PyTorch和张量数据的新手。我有一个关于张量形状转换的问题。
我有两个问题。首先，如果我有一个torch.Size([8, 512, 16, 16])张量，并且我想把它转换成torch.Size([8, 256, 32, 32])，它是原来张量的两倍，我该怎么办？在第一个问题中，我尝试过用ZeroPadding2D(8)函数将它重塑为torch.Size([8, 512, 32, 32])，但我不知道如何将第
浏览 1提问于2019-06-24得票数 2
回答已采纳
5回答
说：
返回一个尺寸为1的新张量，该张量插入到指定位置。.X= torch.tensor(1，2，3，4) >>> torch.unsqueeze(x，0)张量([ 1，2，3，4]) >>> torch.unsqueeze(x，1)张量([ 1，2，3，4]
浏览 7提问于2019-07-28得票数 100
回答已采纳
1回答
按期望输出形状划分的平均池
、、、、
我正在尝试创建PyTorch的nn.functional.avg_pool函数的某种版本，只需稍作修改:我希望根据所需输出的大小动态地选择填充/步长。我已经成功地解决了一个一维张量的问题： if size然而，当一维张量通过我的神经网络时
浏览 2提问于2020-10-08得票数 1
因此，我有这样的代码，它将一批张量中的每个元素与除自身之外的每个其他元素相乘。代码可以工作，但对于更大的批处理大小，它会变得非常慢(理想情况下，我希望能够在批处理大小达到1000或更多的情况下使用它，但即使是几百个批处理大小也是可以的)。当使用PyTorch自动分级系统和大批量(如50或更大)时，它基本上会冻结。 我需要帮助使代码更快和更有效率，同时仍然获得相同<
浏览 17提问于2021-05-09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
我知道平衡极点的例子需要2个输出。以下是self.head的输出 x = Linear(in_features=512, out_features=2, bias=True)x = torch.Size([121, 32, 2, 8])
所以我想知道x.view(x.size(0)，-1)在做什么？但是，如何将torch.Size(121，32，2，8)的x缩减为<
浏览 0提问于2020-06-28得票数 0
因此，假设我有一个k-dim张量和一个1-dim掩码，它在pytorch中用于可变长度序列，并且我想返回一个张量，它表示掩码中直到第一个false值的元素。False,False,False])
>>> [[1,2],[3,4],[5,6]] 在本例中，输入张量是2D，但它可以是k-d，在这些维度上具有任意数量的值。只有第
浏览 18提问于2021-03-23得票数 1
回答已采纳
但我想要每一张成批的照片的随机值。带有一个批处理变量的代码： lam = np.random.beta(alpha, alpha) mixed_y = lam * y + (1 - lam) * y[index,:]
输入的XX输入大小：torch.Size([64, 3, 256, 256])
浏览 4提问于2020-05-10得票数 0
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
