边肖将与大家分享一个Pytorch高级操作的实例分析。相信大部分人都不太了解，所以分享这篇文章给大家参考。希望你看完这篇文章会有很多收获。我们一起来看看吧！
00-101010
一、合并与分割
直接按照指定的dim维度合并，除了要合并的维度，其他维度都需要相同。
00-1010示例：在这里创建一个像A一样的张量，按照一定的维度进行叠加，叠加的维度前面会生成一个新的维度供选择。例如，如果它成为一个新的维度，您可以按0，1选择它。具体是什么意思，要看实际问题。
比如两个类的成绩单用栈合并生成一个新维度，可以选择0或者1来选择这个新维度，从而达到选类的目的。
1.cat拼接
2.stack堆叠
第一个参数可以是单个数字A，表示每个拆分部分都有A数据；可以是类似list的对象B，意思是按照B中的方式将数据拆分成len(b)张量。
从00到1010传入的第一个参数是将它分成块，然后用这个数字来划分原始维度。
例如，在下面的例子中，原始维度是[2，32，8]，当chunk参数传入2时，需要拆分为2，然后2/2=1，最后每一个的维度变成[1，32，8]。
3.拆分
Split按长度拆分
与numpy一致。也可以使用torch.add等方法
00-1010注意，*表示元素乘以元素，矩阵乘法可以通过以下两种方式进行：torch.matmul，@
如果是高维矩阵乘法，实际计算的是最后两维的矩阵乘法。
00-1010与numpy一致，可以用* *计算任意幂。另外，也可以计算功率()。
而且指数计算基本相同，log的默认值是e-base。
当渐变太大时，
Chunk按数量拆分
通常用于裁剪渐变。通过输入最大值和最小值，目标中超过最大值的部分将根据最大值进行计算；低于最小值，跟随最小值。
00-101010
二、基本运算
注意一件事：找到规范会消除哪个维度。
1.加减乘除
" alt="Pytorch进阶操作的示例分析">
3. dim和keepdim
在很多方法中，都可以对dim进行设置。如果不设置，就是把所有数据展开后，求全局的。
注意这里的dim，a的形状是[4,10]，求最大值时，如果设置dim=1，也就是列，个人理解，意思是结果的维度需要是列，那么就是把整行的数值进行计算找最大值，最后返回一个列作为结果。
4.topk和kthvalue
topk参数：k(前k个最大值)，dim（以dim的维度返回结果）
这个方法默认的是返回的最大值，同时会返回它们的索引。
kthvalue参数：k(第k小的值)，dim
5.比较运算
和Numpy中的一致。如果使用torch.eq方法，返回每个对应位置的结果；如果使用torch.equal方法，返回的是整体对比的结果。
6.高阶操作
①where
②gather
索引行数小于等于表的行数。也就是说，既然要用索引来去找表中的内容，就不能超过表的索引长度。索引在传入gather方法中的时候，必须要转换成Long的类型。
举例如下：
返回值的形状一定是索引的形状，因为就是按照索引去取的值。返回值的内容就来自于输入的input，根据索引获得的对应的值。
以上是“Pytorch进阶操作的示例分析”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注行业资讯频道！
内容来源网络，如有侵权，联系删除，本文地址：https://www.230890.com/zhan/88866.html