张量是一个多维数组。它是许多计算库中的关键实体，例如tensorflow，torch，theano，caffe，mxnet，用于机器学习任务。如果您使用此标记，还要使用相应的库标记问题。
我有一个张量 进口火炬 a = torch.randn(1, 3, require_grad=True) 打印（'a：'，a） >>> a: 张量([[0.0200, 1.00200, -4.2000]], require_grad=True) 还有一个面具 掩码 = torch.zeros_like(a)
pytorch：使用 arange 生成的张量进行 autograd
我想计算函数在几个点上的梯度。但是，如果我使用 torch.arange 生成的张量，则不会计算梯度。相反，使用经典张量是可行的。为什么？ 我...
我有一个矩阵 A，我想将其分解为 A = BC，同时知道 C 是某个在 A 的多个样本中不会改变的矩阵。如何使用 PyTorch 找到 B？ A 是已知矩阵。 A1 = B...
将 one-hot 编码特征转换为 pytorch 张量时，使用哪种 dtype？
标题解释了我的大部分问题。我有一个具有分类和定量特征的数据集。我的问题是，是否最好将 torch.float32 类型分配给 one-hot 编码功能，
pytorch .stack 后的最终形状 .squeeze
我有一个 200 列 x 2500 行的 pandas 数据框，我将其转换为张量 张量 = torch.tensor(df.values) 张量.size() => ([2500,200]) 我将其分块并列举 列表=[] 对于我，ch...
如何在 PyTorch 中的多个 GPU 上进行简单的大型矩阵乘法？我写了一些简单的代码，但效果不佳
我想使用多个GPU进行矩阵乘法，例如torch.mm(a, b)，以减少单个GPU上的内存使用。 以下是在单个 GPU 上运行的代码： 进口火炬 a = torch.randn(30000, ...
torch.rand(1, 3, 64, 64) 是什么意思？
我是 PyTorch 的初学者。在一个教程中，我看到：torch.rand(1, 3, 64, 64)，我知道它创建了一个具有遵循标准正态分布的随机数的张量。 输出看起来像：
我正在尝试对一些张量执行以下操作。目前我正在使用 einsum，我想知道是否有一种方法（也许使用 dot 或 tensordot）可以让事情变得更快，因为我觉得......
该函数第 7 行出现错误 def Visualize_embedding(h, color, epoch=None, loss=None): plt.figure(figsize=(7,7)) plt.xticks([]) plt.yticks([]) h = h.detach().clone().cpu().nump...
在 PyTorch 中打乱两个 2D 张量并保持相同的阶相关性
是否可以在 PyTorch 中按行打乱两个 2D 张量，但保持两者的顺序相同？我知道您可以使用以下代码按行对 2D 张量进行洗牌： a=a[torch.randperm(a.siz...
简而言之，我们得到一个形状为 ( B // s2, D2 // s1, s1, s2) 的 4D 张量 y，其中 y[i,j,...] 表示形状为 (s1, s2）。这些是用于构造整体大 m 的分块矩阵...
执行向量减法的数字方法，其中操作数具有不同的形状 (a,n) - (b,n)
我有两个像这样的矩阵操作数： a = np.array([[1,2], [3,4], [5,6], [7,8]]) b = np.array([[9,10], [11,12], [13,14]]) 如果我们调试 a 和 b，它们将如下所示： [[1 2] [3 4] [5 6] [7 8...
目前，我正在尝试删除与 pytorch 中的索引相对应的向量中的元素，但是，它不断使用我当前使用的方法创建额外的副本。 这是有道理的...
我正在尝试在打字稿中制作我自己的张量类（n 维数组）。 该类将其数据存储在一维数组属性中，并将数据的形状存储在单独的数组中......
如果有2个以下大小的张量。 A = [N x 长 x 厚] B = [N x T x K] 然后我想对两个张量的切片进行矩阵乘法。像下面这样。 matmul_slice = A[0,:,:] @ B[...
我正在尝试在打字稿中制作我自己的张量类（n 维数组）。 该类将其数据存储在一维数组属性中，并将数据的形状存储在单独的数组中......
我想在mlx中实现masked_fill，但它与float('-inf')配合得不好 https://pytorch.org/docs/stable/ generated/torch.Tensor.masked_fill.html 我正在尝试为此使用 mlx.core.where
我想根据函数输入的形状使用 torch.zeros 创建一个张量。然后我想用 torch.vmap 对函数进行矢量化。 像这样的东西： poly_batched = torch.tensor([[...
将 Pytorch bfloat16 张量转换为 numpy 会抛出 TypeError
当您尝试将 Torch bfloat16 张量转换为 numpy 数组时，它会抛出 TypeError： 进口火炬 x = torch.Tensor([0]).to(torch.bfloat16) x.numpy() # TypeError: 得到不支持的 ScalarType BF...
t1 = torch.tensor([1,2,3]) t2 = torch.tensor([4,5,6]) t3 = torch.tensor([7,8,9]) 火炬.stack((t1,t2,t3),dim=1) 在实现 torch.stack() 时，我无法理解 diff 的堆叠是如何完成的...