人工智能學習Pytorch進階操作教程

Posted on by

一、合並與分割

1.cat拼接

直接按照指定的dim維度進行合並，要求除瞭所需要合並的維度之外，其他的維度需要是一樣的

2.stack堆疊

例：此處創建一個和a一樣的tensor，按照某一維度進行stack，就會在堆疊的維度前面，生成一個新的維度，用以進行選擇，比如新生成瞭一個2維，就可以通過0,1進行選擇。具體是什麼意義，取決於實際的問題。

比如兩個班成績單用stack合並，生成的新維度，就可以選擇0或1來選擇這個新維度，從而達到選擇班級的目的。

3.拆分

①Split按長度拆分

第一個參數可以是單獨的數字a，意思是每一個拆分出來的部分有a個數據；可以是一個類似list的對象b，意思是把數據按照b裡面的方式拆分，拆分成len(b)個tensor。

②Chunk按數量拆分

傳入的第一個參數就是拆成幾個chunk，然後把原來的維度除以這個數量即可。

比如下面的例子，原來維度是[2,32,8]，chunk參數傳入2，就需要拆成2個，則2/2=1，最終每一個的維度變為[1,32,8]。

二、基本運算

1.加減乘除

和numpy中的一致。也可以使用torch.add等方法。

2.矩陣相乘

註意，*就是元素與元素相乘，而矩陣相乘可以用以下兩種：torch.matmul，@

如果是高維矩陣相乘，計算的其實就是最後的兩個維度的矩陣乘法。

3.次方計算

和numpy中一致，可以使用**來計算任意次方。此外.pow()也可以計算。

指數和對數計算也基本一致，log默認是以e為底的。

4. clamp

通常用於當出現梯度過大等情況時，對梯度進行裁剪。通過輸入最大最小值，目標中超出最大值的按最大值來；低於最小值的按最小值來。

三、屬性統計

1.求范數

註意一點：求哪個維度的范數，哪個維度就會被消掉。

2.求極值、求和、累乘

3. dim和keepdim

在很多方法中，都可以對dim進行設置。如果不設置，就是把所有數據展開後，求全局的。

註意這裡的dim，a的形狀是[4,10]，求最大值時，如果設置dim=1，也就是列，個人理解，意思是結果的維度需要是列，那麼就是把整行的數值進行計算找最大值，最後返回一個列作為結果。

4.topk和kthvalue

topk參數：k(前k個最大值)，dim（以dim的維度返回結果）

這個方法默認的是返回的最大值，同時會返回它們的索引。

kthvalue參數：k(第k小的值)，dim

5.比較運算

和Numpy中的一致。如果使用torch.eq方法，返回每個對應位置的結果；如果使用torch.equal方法，返回的是整體對比的結果。

6.高階操作

①where

②gather

索引行數小於等於表的行數。也就是說，既然要用索引來去找表中的內容，就不能超過表的索引長度。索引在傳入gather方法中的時候，必須要轉換成Long的類型。

舉例如下：

返回值的形狀一定是索引的形狀，因為就是按照索引去取的值。返回值的內容就來自於輸入的input，根據索引獲得的對應的值。

以上就是人工智能學習Pytorch進階操作教程的詳細內容，更多關於PyTorch進階的資料請關註WalkonNet其它相關文章！

推薦閱讀：