from sklearn.metrics import f1_score
count0,count1,count2 = torch.zeros(1),torch.zeros(1),torch.zeros(1) count1 = torch.zeros(1).epoch_loss = 0 epoch
浏览 4提问于2021-04-25得票数 2
回答已采纳
self.model = DQNetwork(11, 256, 3)
super().__init__() self.linear2 = nn.Linear(hidden_size, hidden_size)
self.linear3 = nn.Lin
浏览 3提问于2022-04-04得票数 1
1回答
range(n_classes) classes = self.classes
loss = torch.zeros
浏览 3提问于2019-07-15得票数 2
我想创建一个只包含布尔值的张量。在Matlab中，这将是
浏览 250提问于2018-01-08得票数 12
回答已采纳
在NumPy，我会a = a[:, :, np.newaxis, :]如何在PyTorch中做同样的事情？
浏览 6提问于2020-12-27得票数 11
回答已采纳
1回答
img=torch.squeeze(img)j=1for i in range(img.shape[0]):
d[i,0,:]=img[
浏览 4提问于2022-05-27得票数 -1
回答已采纳
RNN (h_0 is initial hidden state)
h0 = torch.zeros
浏览 93提问于2021-01-01得票数 0
回答已采纳
self.input_layer_size, hidden_size=self.hidden_layer_size, num_layers=num_layers)
torch.zeros(self.num_layers# every datapoint
浏览 0提问于2021-02-15得票数 0
回答已采纳
我最近在学习PyTorch，然后这个问题出现了。例如，如果我有一个继承"torch.nn.Module“的网络。 def __init__(self, something): self.p1=something
pass
net1.cuda() ##Here I can't see what is changed.
那么我怎么知道net1 (
浏览 8提问于2020-02-11得票数 0
回答已采纳
1回答
时间反向传播中的多个不匹配矩阵
、、、、
我将以递归神经网络(RNN)为例实现二进制加法。我已经解决了一个用Python实现它的问题，所以我决定在那里分享我的问题，以提出解决它的想法。 在我的notebook code (时间反向传播)部分可以看到，有一个类似下面的链式规则来更新输入权重矩阵，如下所示： ? 我的问题是这一部分： ? 我试图在我的Python code或notebook code (class input_layer，backward方法)中实现这一部分，但是不匹配的维度会引发错误。 在我的示例代码中，W_hidden是16*16，而delta pre_hidden的结果是1*2。这就产生了错误。如果
浏览 25提问于2020-04-19得票数 1
2回答
如何用火炬中的值填充对角线？在numpy中，您可以：np.fill_diagonal(a, 5)
[0, 5, 0],我知道torch.diag()返回对角线，但是如何使用它作为掩码来分配新的值是我无法理解的。我无法在这里或在PyTorch文档中找到答案。
浏览 1提问于2018-03-27得票数 4
回答已采纳
.], requires_grad=True)gt = torch.zeros((10))
y[1] = y[0] * 2import torchy = torch.zeros((10))y.retain_grad(
浏览 10提问于2022-09-13得票数 4
回答已采纳
可能的解决方案：z3 = torch.cat((torch.cat((x1[0, 1, :], torch.zeros(1, 3)), 0), torch.zeros(4, 1)), 1)
z4 = torch.cat((torch.cat((x1[0, 2, :], torch.zer
浏览 11提问于2021-03-08得票数 2
回答已采纳
1回答
Torch声称EmbeddingBag与mode="sum“等价于嵌入torch.sum(dim=1)，但我如何详细实现它呢？假设我们有"EE = nn.EmbeddingBag(n，m，mode="sum"，sparse=True)，那么如何等效地将"nn.EmbeddingBag“替换为"nn.Embeeding”和"torch.sum“？非常感谢
浏览 5提问于2021-09-30得票数 0
回答已采纳
我想把一个较长的向量分成较小的不相等的部分，对每一部分进行求和，并将结果收集到一个新的向量中。我需要在pytorch中做到这一点，但我也很有兴趣看看numpy是如何做到这一点的。 这可以通过拆分向量来轻松实现。 sizes = [3, 7, 5, 9]Y = torch.tensor([s.sum() for s in torch.split(X, sizes)]) 或者使用np.ones和np.split。 有没有更有效的方法来做到这一点？ 编辑： 受第一条评论的启发： indices = np.cumsum([0]+sizes)[:
浏览 14提问于2019-04-08得票数 2
回答已采纳
batch_size, 256, height // 4, width // 4), volatile=True), torch.zerosbatch_size, 512, height // 8, width // 8), volatile=True), torch.zeros, 512, height
浏览 5提问于2020-08-07得票数 0
vectors:(number of layer, batch size, number of hidden nodes) h0 = torch.zeros(2*self.n_layers, batch_size, self.n_hidden) else:
h0 = torch.zeros(self.n_l
浏览 3提问于2020-11-01得票数 0
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号