Pytorch 大杂烩

Posted on 2024-03-23 Edited on 2024-03-25

tensor

对某一个维度进行反转:

1	torch.flip(input,dims)

返回反转完的tensor

dims是一个list or tuple

1 2	t=torch.LongTensor([[2,3,4],[5,6,7],[1,2,3]]) print(t)

输出

1
2
3

tensor([[2, 3, 4],
        [5, 6, 7],
        [1, 2, 3]])

再执行

1 2	t=torch.flip(t,dims=(1,)) print(t)

输出

1
2
3

tensor([[4, 3, 2],
        [7, 6, 5],
        [3, 2, 1]])

## sum

t.sum()

可以直接返回t所有元素的和（以tensor的形式）。

当然还有别的用法

1 2	t=torch.LongTensor([[2,3,4],[5,6,7],[1,2,3]]) print(torch.sum(t,0))

输出

1	tensor([ 8, 11, 14])

对第dim维求和，返回tensor（少了第dim维）

1	torch.cat(tensors, dim=0, *, out=None) → Tensor

其中 tensors是tuple或者list 在dim维度拼接（也就是说第dim维度的东西会增多）

1
2
3

t1=torch.LongTensor([[2,3,4],[5,6,7],[1,2,3]])
t2=torch.LongTensor([[1,1,4],[5,1,4],[1,9,1]])
print(torch.cat([t1,t2],dim=1))

输出

1
2
3

tensor([[2, 3, 4, 1, 1, 4],
        [5, 6, 7, 5, 1, 4],
        [1, 2, 3, 1, 9, 1]])

归纳，俩shape分别为\((a_1,a_2,...x_d,...a_n),(a_1,a_2,...y_d,...a_n)\)的tensor在torch.cat(dim=d)后将会得到shape为\((a_1,a_2,...x_d+y_d,...a_n)\)

1	torch.stack(tensors, dim=0, *, out=None) → Tensor

其中tensors是列表或元组，在第dim维度堆叠

1
2
3

t1=torch.LongTensor([[2,3,4],[5,6,7],[1,2,3]])
t2=torch.LongTensor([[1,1,4],[5,1,4],[1,9,1]])
print(torch.stack([t1,t2],dim=1))

输出

tensor([[[2, 3, 4],
         [1, 1, 4]],

        [[5, 6, 7],
         [5, 1, 4]],

        [[1, 2, 3],
         [1, 9, 1]]])

堆叠的所有tensor的shape一定要一致

归纳：将\(k\)个tensor堆叠后，他们的shape将会在dim维多出一个\(k\).

1	torch.nn.Parameter(input_tensor)

可以将input_tensor嵌入在模型中，成为模型的参数.