最新 最热

torch.unsqueeze

返回一个新的张量,其维数为插入到指定位置的维数。返回的张量与这个张量共享相同的底层数据。可以使用范围[-input.dim() - 1, input.dim() + 1)内的dim值。负dim将对应于应用于dim = dim + input.dim() + 1处的unsque...

2022-09-03
0

Automatic differentiation package - torch.autograd

torch.autograd提供实现任意标量值函数的自动微分的类和函数。它只需要对现有代码进行最小的更改—您只需要声明张量s,对于该张量,应该使用requires_grad=True关键字计算梯度。...

2022-09-03
1

numpy.unique

numpy.unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None)[source]

2022-09-03
1

numpy.zeros_like

numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)[source]

2022-09-03
1

tf.nn.top_k()

如果输入的是一个向量,也就是rank=1,找到最大的k个数在这个向量,则输出最大的k个数字和最大的这k个数字的下标。如果输入的张量是一个更高rank的矩阵,那么我们只要找到每一行的最大的k个数字,以及他们的下标。如果两个元素...

2022-09-03
1

tf.clip_by_value()

Clips tensor values to a specified min and max.

2022-09-03
1

torch.flatten()

首先如果按照 start_dim 和 end_dim 的默认值,那么这个函数会把 input 推平成一个 shape 为 [n][n] 的tensor,其中 nn 即 input 中元素个数。

2022-09-02
1

pytorch -- topk()

沿给定dim维度返回输入张量input中 k 个最大值。 如果不指定dim,则默认为input的最后一维。 如果为largest为 False ,则返回最小的 k 个值。

2022-09-02
1

torch.nonzero的理解

这里直接给出理解方式,输出的这个out应该这样去读:这个例子里input是2维的,一共有4个非0元素,所以输出是一个4×2的张量,表示每个非0元素的索引。读法是从左往右,比如out的第0行[0,0],表示的就是input的第0行的第0个元素是非...

2022-09-02
1

torch.clamp()

将输入input张量每个元素的范围限制到区间 [min,max],返回结果到一个新张量。

2022-09-02
1