torch.ones_like(),expand_as(),expend()等torch.repeat
https://blog.csdn.net/Arthur_Holmes/article/details/104267662
https://blog.csdn.net/weixin_39568781/article/details/110066146
https://blog.csdn.net/qq_40263477/article/details/107054675
https://blog.csdn.net/whitesilence/article/details/119575617
pytorch中的expand()和expand_as()函数
1.expand()函数:
(1)函数功能:
expand()函数的功能是用来扩展张量中某维数据的尺寸,它返回输入张量在某维扩展为更大尺寸后的张量。
扩展张量不会分配新的内存,只是在存在的张量上创建一个新的视图(关于张量的视图可以参考博文:由浅入深地分析张量),而且原始tensor和处理后的tensor是不共享内存的。
expand()函数括号中的输入参数为指定经过维度尺寸扩展后的张量的size。
(2)应用举例:
RuntimeError: Can’t call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.
待转换类型的PyTorch Tensor变量带有梯度,直接将其转换为numpy数据将破坏计算图,因此numpy拒绝进行数据转换,实际上这是对开发者的一种提醒。如果自己在转换数据时不需要保留梯度信息,可以在变量转换之前添加detach()调用。
expand的含义:为1的维度可以变大维度或者维度数增多
tensor_1.expand(size):把tensor_1扩展成size的形状
tensor_1.expand_as(tensor_2) :把tensor_1扩展成和tensor_2一样的形状
TORCH.ONES_LIKE
torch.
ones_like
(input, *, dtype=None, layout=None, device=None, requires_grad=False, memory_format=torch.preserve_format) → Tensor-
Returns a tensor filled with the scalar value 1, with the same size as
input
.torch.ones_like(input)
is equivalent totorch.ones(input.size(), dtype=input.dtype, layout=input.layout, device=input.device)
.
最新文章
- C语言_第三章
- C# 多线程线程池( 一 )
- java 练手 谁是最好的Coder
- java程序实现删除本地文件
- 【转载】Unix Shell中用[-n]判断字符串不为NULL
- 【风马一族_git_github】git的工作流程
- 标准I/O库之读和写流
- jQuery常用选择器汇总
- 64位CentOS5.6安装Mysql 5.5.11GA
- obj-c中-fobjc-arc-exceptions的解释
- Fast Paxos
- 我对SAP Business One 项目实施的理解
- 网站性能测试工具 webbench 的安装和使用
- Which Queue Pair type to use?
- 图论杂项细节梳理&;模板(虚树,圆方树,仙人掌,欧拉路径,还有。。。)
- 总结TCP为什么三次握手四次挥手
- Centos7系统下修改主机名操作笔记
- C# 调用存储过程 Sql Server存储过程 存储过程报错,程序中的try
- HDU 1848 Fibonacci again and again【博弈SG】
- 数控AGC实现(转)
热门文章
- 什么是3D建模?
- python---选择排序的实现
- mybatis-day1入门案例
- Kubernetes 解决方案-图解
- 那些年uniapp踩过的坑之-------搜索框插件uni-search-bar字体和图标居中的问题
- 2021.07.02 P1383 高级打字机题解(可持久化平衡树)
- 手把手教会将 Windows 窗体桌面应用从.NET Framework迁移到 .NET SDK/.NET 6 格式
- Vue_transition动画
- 【hexo博客搭建】将搭建好的hexo博客部署到阿里云服务器上面(下)
- NLP教程(5) - 语言模型、RNN、GRU与LSTM