PyTorch 中的 atleast_
請我喝杯咖啡☕
*備忘錄:
- 我的帖子解釋了 atleast_2d()。
- 我的帖子解釋了 atleast_3d()。
atleast_1d()只需將一個或多個0D或多個D張量從一個或多個0D或多個D張量更改為一個或多個1D張量即可獲得零個或多個元素的一個或多個1D或多個D張量的視圖零個或多個元素,如下所示:
*備忘錄:
- atleast_1d() 可以與 torch 一起使用,但不能與張量一起使用。
- torch 的第一個或多個參數是*張量(必要類型:int、float、complex 或 bool 的張量或元組或 int、float、complex 或 bool 的張量清單):
*備註:
- 如果設定多個張量,則傳回一個張量元組,否則傳回一個張量。
- 不要使用任何關鍵字,例如 *tensors=、tensor 或 input。
- 不設定參數會回傳一個空元組。
import torch tensor0 = torch.tensor(2) # 0D tensor torch.atleast_1d(tensor0) # tensor([2]) tensor0 = torch.tensor(2) # 0D tensor tensor1 = torch.tensor([2, 7, 4]) # 1D tensor tensor2 = torch.tensor([[2, 7, 4], [8, 3, 2]]) # 2D tensor tensor3 = torch.tensor([[[2, 7, 4], [8, 3, 2]], # 3D tensor [[5, 0, 8], [3, 6, 1]]]) tensor4 = torch.tensor([[[[2, 7, 4], [8, 3, 2]], # 4D tensor [[5, 0, 8], [3, 6, 1]]], [[[9, 4, 7], [1, 0, 5]], [[6, 7, 4], [2, 1, 9]]]]) torch.atleast_1d(tensor0, tensor1, tensor2, tensor3, tensor4) torch.atleast_1d((tensor0, tensor1, tensor2, tensor3, tensor4)) # (tensor([2]), # tensor([2, 7, 4]), # tensor([[2, 7, 4], [8, 3, 2]]), # tensor([[[2, 7, 4], [8, 3, 2]], # [[5, 0, 8], [3, 6, 1]]]), # tensor([[[[2, 7, 4], [8, 3, 2]], # [[5, 0, 8], [3, 6, 1]]], # [[[9, 4, 7], [1, 0, 5]], # [[6, 7, 4], [2, 1, 9]]]])) tensor0 = torch.tensor(2) # 0D tensor tensor1 = torch.tensor([2, 7, 4]) # 1D tensor tensor2 = torch.tensor([[2., 7., 4.], # 2D tensor [8., 3., 2.]]) tensor3 = torch.tensor([[[2.+0.j, 7.+0.j, 4.+0.j], # 3D tensor [8.+0.j, 3.+0.j, 2.+0.j]], [[5.+0.j, 0.+0.j, 8.+0.j], [3.+0.j, 6.+0.j, 1.+0.j]]]) tensor4 = torch.tensor([[[[True, False, True], [False, True, False]], [[True, False, True], [False, True, False]]], [[[True, False, True], [False, True, False]], [[True, False, True], [False, True, False]]]]) # 4D tensor torch.atleast_1d(tensor0, tensor1, tensor2, tensor3, tensor4) # (tensor([2]), # tensor([2, 7, 4]), # tensor([[2., 7., 4.], # [8., 3., 2.]]), # tensor([[[2.+0.j, 7.+0.j, 4.+0.j], # [8.+0.j, 3.+0.j, 2.+0.j]], # [[5.+0.j, 0.+0.j, 8.+0.j], # [3.+0.j, 6.+0.j, 1.+0.j]]]), # tensor([[[[True, False, True], [False, True, False]], # [[True, False, True], [False, True, False]]], # [[[True, False, True], [False, True, False]], # [[True, False, True], [False, True, False]]]])) torch.atleast_1d() # ()
以上是PyTorch 中的 atleast_的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Python适合数据科学、Web开发和自动化任务,而C 适用于系统编程、游戏开发和嵌入式系统。Python以简洁和强大的生态系统著称,C 则以高性能和底层控制能力闻名。

兩小時內可以學到Python的基礎知識。 1.學習變量和數據類型,2.掌握控制結構如if語句和循環,3.了解函數的定義和使用。這些將幫助你開始編寫簡單的Python程序。

Python在遊戲和GUI開發中表現出色。 1)遊戲開發使用Pygame,提供繪圖、音頻等功能,適合創建2D遊戲。 2)GUI開發可選擇Tkinter或PyQt,Tkinter簡單易用,PyQt功能豐富,適合專業開發。

2小時內可以學會Python的基本編程概念和技能。 1.學習變量和數據類型,2.掌握控制流(條件語句和循環),3.理解函數的定義和使用,4.通過簡單示例和代碼片段快速上手Python編程。

Python在web開發、數據科學、機器學習、自動化和腳本編寫等領域有廣泛應用。 1)在web開發中,Django和Flask框架簡化了開發過程。 2)數據科學和機器學習領域,NumPy、Pandas、Scikit-learn和TensorFlow庫提供了強大支持。 3)自動化和腳本編寫方面,Python適用於自動化測試和系統管理等任務。

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

要在有限的時間內最大化學習Python的效率,可以使用Python的datetime、time和schedule模塊。 1.datetime模塊用於記錄和規劃學習時間。 2.time模塊幫助設置學習和休息時間。 3.schedule模塊自動化安排每週學習任務。

Python在自動化、腳本編寫和任務管理中表現出色。 1)自動化:通過標準庫如os、shutil實現文件備份。 2)腳本編寫:使用psutil庫監控系統資源。 3)任務管理:利用schedule庫調度任務。 Python的易用性和豐富庫支持使其在這些領域中成為首選工具。
