pytorch view reshape 第3页

PyTorch 源码解读之 torch.autograd:梯度计算详解

前言本篇笔记以介绍pytorch中的autograd模块功能为主，主要涉及torch/autograd下代码，不涉及底层的C++实现。本文涉及的源码以PyTorch1.7为准。torch.autograd.function（函数的反向传播）torch.autograd.fun...

PyTorch常用代码段合集（pytorch 编程）

作者丨JackStark@知乎来源丨https://zhuanlan.zhihu.com/p/104019160PyTorch最好的资料是官方文档。本文是PyTorch常用代码段，在参考资料[1](张皓：PyTorchCookbook)的基础上做了一些修补，方便使用时查阅。1.基本配置导入包和...

PyTorch入门与实战——必备基础知识(下)01

前言我们在上篇PyTorch入门与实战——必备基础知识（上）01中了解向量、矩阵和张量的基本概念和代码实现，并且重点介绍了张量的基本操作。但是在实际的神经网络模型中往往会使用一些高阶的张量操作，如拼接，广播等。本章节我们来学习张量的高阶操作。目录张量的维度操作--squezee和unsquezee调...

PyTorch 深度学习实战(38):注意力机制全面解析

在上一篇文章中，我们探讨了分布式训练实战。本文将深入解析注意力机制的完整发展历程，从最初的Seq2Seq模型到革命性的Transformer架构。我们将使用PyTorch实现2个关键阶段的注意力机制变体，并在机器翻译任务上进行对比实验。一、注意力机制演进路线1.关键模型对比模型发表年份核心创新计算...

PyTorch之Tensor的常见运算和操作

上一个小节和大家简单地探讨了我们在日常开发的时候，常见的创建Tensor的几种方式，大家应该还是有些印象的，只需要对着官方文档简单地把代码敲一遍，基本上还是有所收获的，这篇文章也比较简单但又是非常重要的，主要是对Tensor进行一系列操作，例如常见的数学操作，修改Tensor的形状。首先先简单地介绍...

PyTorch 深度学习实战(31):可解释性AI与特征可视化

在上一篇文章中，我们探讨了模型压缩与量化部署技术。本文将深入可解释性AI与特征可视化领域，揭示深度学习模型的决策机制，帮助开发者理解和解释模型的内部工作原理。一、可解释性AI基础1.核心概念特征重要性：识别输入特征对预测结果的贡献度决策归因：追溯模型决策的关键依据概念激活：识别模型学习的高级语义概...

轻松学Pytorch-详解Conv2D卷积处理

Conv2D基本原理与相关函数常见的图像卷积是二维卷积，而深度学习中Conv2D卷积是三维卷积，图示如下：Pytroch中的Conv2D是构建卷积神经网络常用的函数，支持的输入数据是四维的tensor对象，格式为NCHW，其中N表示样本数目、C表示通道数目彩色图像为3，灰度图像为1、H跟W分别表示图...

Pytorch学习-Day 3:张量高级操作（张量svd）

以下是PyTorch第3天学习任务的示例代码，涵盖张量形状变换（view和reshape）、广播机制以及GPU加速的实现。代码中包含详细注释，帮助理解每个部分的功能，并完成任务：将张量移动到GPU并计算两个张量的矩阵乘法。python#示例代码：PyTorchDay3-张量...

深入解析PyTorch中view()函数的作用

技术背景在深度学习领域，PyTorch是一个广泛使用的深度学习框架，它提供了丰富的张量操作函数。view()函数是PyTorch中一个重要的张量操作函数，其灵感来源于numpy.ndarray.reshape()或numpy.reshape()，主要用于改变张量的形状，且不会复制内存，这对于...