Posts PyTorch基础(张量)
Post
Cancel

PyTorch基础(张量)

本文主要记录自己学习 PyTorch 过程中涉及的一些基础知识。


1. 张量维度

1.1. shape 属性

输入

1
2
3
4
5
6
import torch
# dim=2,shape=[2,3],随机生成Tensor
a = torch.FloatTensor(2, 3)
print(a.shape)
print(a.shape[0])
print(a.shape[1])

输出为

1
2
3
torch.Size([2, 3])
2
3

1.2. size() 成员函数

输入

1
2
3
4
5
6
import torch
# dim=2,shape=[2,3],随机生成Tensor
a = torch.FloatTensor(2, 3)
print(a.size())
print(a.size(0))
print(a.size(1))

输出为

1
2
3
torch.Size([2, 3])
2
3

2. 张量比较

2.1. max

不指定维度时,返回一个张量,为输入数据中的最大值

1
2
3
4
5
>>> a = torch.randn(1, 3)
>>> a
    tensor([[ 0.6763,  0.7445, -2.2369]])
>>> torch.max(a)
    tensor(0.7445)

指定维度时,返回一个 tuple,包含沿着该维度的最大值和对应的序号。

1
2
3
4
5
6
7
8
>>> a = torch.randn(4, 4)
>>> a
tensor([[-1.2360, -0.2942, -0.1222,  0.8475],
        [ 1.1949, -1.1127, -2.2379, -0.6702],
        [ 1.5717, -0.9207,  0.1297, -1.8768],
        [-0.6172,  1.0036, -0.6060, -0.2432]])
>>> torch.max(a, dim=1)
torch.return_types.max(values=tensor([0.8475, 1.1949, 1.5717, 1.0036]), indices=tensor([3, 0, 0, 1]))

对于二维张量,dim=0 沿列求最大(跨行间比较),dim=1 沿行求最大(跨列间比较)。

对于三维张量,构成为 (通道,行,列),那么dim=0 通道间比较求最大,dim=1 跨行间比较求最大,dim=2 跨列间比较求最大。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
import torch
 
a = torch.randn(2,3,4) #随机生成数组
max_0=torch.max(a,dim=0) #针对第1个元素“2”,对应的是通道
max_1=torch.max(a,dim=1) #针对第2个元素“3”,对应的是行
max_2=torch.max(a,dim=2) #针对第2个元素“4”,对应的是列
print("a:\n", a)
print("************************************************")
print("max(a)_0:", max_0)  #dim=0,通道间进行比较,所以返回每一张特征图,同一像素位置上的最大值
print("max(a)_1:", max_1)  #dim=1,行与行之间进行比较,所以返回每一张特征图,每一列的最大值
print("max(a)_2:", max_2)  #dim=2,列与列之间进行比较,所以返回每一张特征图,每一行的最大值
 
<<
a:
 tensor([[[ 0.5323,  1.5229, -0.6122,  0.6054],
         [ 1.2424, -1.6005,  0.0779,  0.9227],
         [-0.6340, -0.5770, -0.1672,  0.3598]],
 
        [[-0.3770, -0.4992,  1.8444, -1.1040],
         [ 1.2238,  0.7283, -1.6462,  0.0325],
         [-0.3555, -0.2599,  1.5741,  1.0683]]])
************************************************
max(a)_0: (tensor([[ 0.5323,  1.5229,  1.8444,  0.6054],
        [ 1.2424,  0.7283,  0.0779,  0.9227],
        [-0.3555, -0.2599,  1.5741,  1.0683]]), tensor([[ 0,  0,  1,  0],
        [ 0,  1,  0,  0],
        [ 1,  1,  1,  1]]))
max(a)_1: (tensor([[ 1.2424,  1.5229,  0.0779,  0.9227],
        [ 1.2238,  0.7283,  1.8444,  1.0683]]), tensor([[ 1,  0,  1,  1],
        [ 1,  1,  0,  2]]))
max(a)_2: (tensor([[ 1.2424,  1.5229,  0.0779,  0.9227],
        [ 1.2238,  0.7283,  1.8444,  1.0683]]), tensor([[ 1,  0,  1,  1],

也就是说,dim 参数是按照张量维度从左到右、从外到内的顺序进行比较的。

3. 参考文献

[1] 梦并不遥远. 4.3Python数据处理篇之Matplotlib系列(三)—plt.plot().

[2] 我的明天不是梦. python使用matplotlib:subplot绘制多个子图.

This post is licensed under CC BY 4.0 by the author.