张量

深度学习入门（五）：经典网络Alexnet实现

实现创建了一个AlexNet网络的实例，并将一个随机生成的输入张量（即一张随机的图像）传递给这个网络。随后，代码打印出通过该网络得到的输出张量，以及输出张量的大小。
一个很菜的小猪·2023-12-17 14:55

【论文阅读】MAKE-A-VIDEO: TEXT-TO-VIDEO GENERATION WITHOUT TEXT-VIDEO DATA

首先分解全时间U-Net和注意力张量，并在空间和时间上近似。其次，设计了一个时空pipeline，通过视
李加号pluuuus·2023-12-17 08:34

Pytorch当中的.detach()操作是什么意思

.detach()是PyTorch中用于从计算图中分离张量的方法。当我们在PyTorch中进行张量运算时，操作会构建一个计算图来跟踪计算历史，这个计算图用于自动求导和反向传播来计算梯度。
BugMaker2002·2023-12-17 07:18

张量结构操作

torch.transpose可以交换张量的维度，torch.transpose常用于图片存储格式的变换上。
caigou.·2023-12-17 05:52

nn.functional 和 nn.Module

前面我们介绍了Pytorch的张量的结构操作和数学运算中的一些常用API。利用这些张量的API我们可以构建出神经网络相关的组件(如激活函数，模型层，损失函数)。
caigou.·2023-12-17 05:52

『PyTorch』张量和函数之gather()函数

文章目录PyTorch中的选择函数gather()函数参考文献PyTorch中的选择函数gather()函数importtorcha=torch.arange(1,16).reshape(5,3)"""result:a=[[1,2,3],[4,5,6],[7,8,9],[10,11,12],[13,14,15]]"""#定义两个indexb=torch.tensor([[0,1,2],[2,3,4
一只楚楚猫·2023-12-17 00:13

TrustGeo代码理解（五）sublayers.py

1、importtorch：导入PyTorch库，提供张量（tensor）等深度学习操作的支持。2、importtorch.nnasn
别致的SmallSix·2023-12-16 20:30

PyTorch张量：内存布局

但为了理解它，我们首先需要了解一下张量在pytorch中是如何实现的。
新缸中之脑·2023-12-16 16:09

Pytorch中Group Normalization的具体实现

下面是GroupNormalization的具体实现步骤：输入:输入张量x，形状为(N,C,H,W,D)，其中：N是批
温柔的行子·2023-12-16 16:39

HarmonyOS：使用MindSpore Lite引擎进行模型推理

张量：它与数组和矩阵非常相似，是MindSporeLite网络运算中的基本数据结构。Float16推理模式：Float16又称
码中之牛·2023-12-16 15:18

张量，梯度，链式法则的基本概念

张量的基本概念张量是一种多维数组，支持在GPU上进行计算，是计算图中的节点，并且支持自动微分。
hadiii·2023-12-16 11:20

【深度学习】TensorFlow深度模型构建：训练一元线性回归模型

学习如何使用TensorBoard可视化工具来展示网络图、张量的
roman_日积跬步-终至千里·2023-12-16 09:27

HarmonyOS：使用MindSpore Lite引擎进行模型推理

张量：它与数组和矩阵非常相似，是MindSporeLite网络运算中的基本数据结构。Float16推理模式：Float16又称
码中之牛·2023-12-16 08:58

十四 动手学深度学习v2计算机视觉 ——转置矩阵

使用上图相同输入和卷积核张量，将步幅从1更改为2
王二小、·2023-12-15 22:01

【模型量化】神经网络量化基础及代码学习总结

在神经网络量化中，权重和激活张量存储在比训练时通常使用的16-bit或32-bit更低的比特精度。
Mr.zwX·2023-12-15 22:44

详解Keras3.0 Layers API: Core layers

shape=None,batch_size=None,dtype=None,sparse=None,batch_shape=None,name=None,tensor=None,)参数说明shape:输入张量的形状
缘起性空、·2023-12-15 19:12

自动化使用GradCAM处理图片(用于ViT和swin的变体)附链接

如果您应用的变压器是类似swin（无ClassToken）或类似ViT（有ClassToken）张量的形状可能看起来像[Batch,49,768]，那么你应该按照以下步骤处理你的模型，以避免一些可怕的运行时错误
～二手玫瑰·2023-12-15 18:29

PyTorch 的 10 条内部用法

1.张量：构建模块PyTorch中的张量是多维数组。它们与NumPy的ndarray类似，但可以在GPU上运行。
冷冻工厂·2023-12-15 17:34

【代码学习】voxel 或者 pillar，稀疏张量 转 稠密张量 的代码理解，理解了很久

需要feature和对应的坐标coordsdebug：转置，不然维度不匹配！对应的代码，向量化应该比for循环快defvoxel_indexing(self,sparse_features,coords):#sparse_features:[N,C],coords:[N,4]dim=sparse_features.shape[-1]dense_feature=Variable(torch.zero
联系丝信·2023-12-15 08:11

torch.tensor.gather用法

pytorch.org/docs/stable/generated/torch.Tensor.gather.htmltorch.Tensor.gather是PyTorch中的一个函数，它根据索引从输入张量中收集值
lqjun0827·2023-12-14 19:45

深度学习-必备的数学知识-线性代数-1

线性代数我们先来了解线性代数中几个重要概念：标量、向量、矩阵、张量重要概念标量（scalar）：标量是一个数。例如：1、2、3。我们
占得世间一味愚·2023-12-14 19:10

深度学习-必备的数学知识-线性代数2

深度学习必备的数学知识线性代数我们已经在线性代数1中讲解了四个重要概念：标量、向量、矩阵和张量。以及转置、矩阵相加、标量与矩阵相乘或相加和向量和矩阵相加。这篇文章将为大家讲解矩阵乘积以及线性方程组。
占得世间一味愚·2023-12-14 19:10

libtorch知识总结

libtorch知识总结一，libtorchapi1.创建张量2.属性3.运算4.形状变换5.选择和切片6.其它函数二，深度学习相关函数三，编译相关文件和命令1.g++命令2.Makefile3.CMakeLists.txt3.1
梦想的理由·2023-12-14 19:11

深度学习——第4.2章 深度学习的数学基础

图4-13标量、向量、矩阵、张量4.6.1什么是矩阵把数横向或纵向排列，得到的是向量；把数像表格一样既横向排列又纵向排列，得到的就是矩阵。
曲入冥·2023-12-14 16:21

深度学习——第3章 Python程序设计语言（3.8 深度学习框架PyTorch）

3.8深度学习框架PyTorch目录1.PyTorch简介2.PyTorch的安装3.PyTorch相关资源4.张量5.自动求导6.并行计算简介7.AI硬件加速设备PyTorch简介PyTorch是由MetaAI
曲入冥·2023-12-14 16:51

tf.debugging 模块介绍

以下是一些常见的tf.debugging模块中的函数以及相应的代码示例：1.tf.debugging.assert_equal：检查两个张量是否相等，如果不相等，则引发异常。
qq_27390023·2023-12-14 12:01

pytorch 给定概率分布的张量，如何利用这个概率进行重复\不重复采样？

下面是一个示例：importtorchimporttorch.distributionsasdist#创建一个大小为(1,n)的一行张量表示概率分布probs=torch.tensor([0.1,0.2,0.3,0.4
高山莫衣·2023-12-06 09:58

【水】pytorch：torch.reshape和torch.Tensor.view的区别

两者区别torch.reshape可能会返回一个从原张量复制而来的新张量，torch.Tensor.view会直接操作内存中的张量，只有torch.re
Ydon?tkwhmeIS·2023-12-06 07:21

pytorch如何生成小批量数据并传入神经网络？

第一部分：Excel表格数据的预处理1.1加载Excel数据1.2数据清洗1.2.1删除无用数据1.2.2填充缺失值1.2.3数据类型转换1.3将数据转换为张量1.4创建数据集和数据加载器1.4.1创建数据集
高山莫衣·2023-12-06 07:16

MLC--机器学习编译的课程笔记

二、张量抽象1.什么是算子(元张量函数)2.张量实践三、端到端模型整合四、自动优化五、与机器学习框架的整合持续更新中--------前言提示：本文是个人上课的精简笔记，尽可能简要的表达一些概念，需要更全面的可以看陈天奇老师课程课程
优雅一只猫·2023-12-06 07:12

TORCH02-02:Torch常见机器学习函数

会提升求导的效率；本主题主要梳理Torch与机器学习有关的函数运算；  1.Tensor中实现的函数运算  2.torch.nn.functional中封装的各类函数说明:其中的激活函数对机器学习的训练非常重要张量运算函数下面三个函数有两种使用方式
杨强AT南京·2023-12-06 03:20

特征与特征图的区别

在卷积神经网络中，每一层的输出都是一个三维张量，其中第三维表示特征图的数量。每个特征图都是由若干个卷积核对上一层的特征图进行卷积得到的，每个卷积核对应一个特定的特征。
无妄无望·2023-12-05 23:27

机器学习算法工程师

职位要求1、扎实的数学功底和分析技能，精通计算机视觉中的数学方法；高等数学(微积分)、线性代数（矩阵论）、随机过程、概率论、摄影几何、模型估计、数理统计、张量代数、数据挖掘、数值分析等；2、具备模式识别
prolrj2015·2023-12-05 23:48

矩阵张量积的逆等于各自逆的张量积

A=np.array([[1,4],[6,2]])B=np.array([[3,1],[4,8]])np.linalg.det(np.kron(A,B))Out[9]:193599.99999999985np.linalg.inv(np.kron(A,B))Out[10]:array([[-0.03636364,0.00454545,0.07272727,-0.00909091],[0.01818
知识在于积累·2023-12-05 21:24

TensoRF: Tensorial Radiance Fields

作者在三维场景表示中引入张量分解的技术，将4D张量分解成多个低秩的张量分量，实现更好的重建质量、更快的重建速度、更小的模型体积。
X_Student737·2023-12-05 17:58

Pytorch指定device(cuda or cpu)

这个函数接受一个字符串作为参数，该字符串可以是"cpu"或"cuda"，它指定了要在哪个设备上运行张量计算。
湫兮之风·2023-12-05 12:36

pytorch 常用api笔记

view_as()函数函数定义：view_as(tensor)[参数为一个Tensor张量]该函数的作用是将调用函数的变量，转变为同参数tensor同样的形状。
Wall-E99·2023-12-05 12:57

Course2-Week1-神经网络

神经网络的其他示例-图像感知2.神经网络的数学表达式2.1单层的神经网络-需求预测2.3前向传播的神经网络-手写数字识别3.TensorFlow简介3.1配置TensorFlow环境3.2TensorFlow中的张量
虎慕·2023-12-05 09:35

【动手学深度学习】(十)PyTorch 神经网络基础

文章目录一、层和块1.自定义块2.顺序块3.在前向传播函数中执行代码二、参数管理1.参数访问2.参数初始化3.参数绑定三、自定义层1.不带参数的层2.带参数的层四、读写文件1.加载和保存张量2.加载和保存模型参数
释怀°Believe·2023-12-05 09:35

bash+vasp+vaspkit能量应变计算弹性常数

能量-应变法对应于弹性刚度张量由总能量对应变的二阶导数导出。一般来说，应力应变法需要更高的计算精度才能达到与能量应变法相同的精度。然而，能量应变法需要的变形比后者小得多。
DFT计算杂谈·2023-12-05 02:25

pytorch使用GPU炼丹笔记

如何使用GPU训练/测试模型使用单GPU设置设备将数据转换成CUDA张量将模型参数转换成CUDA张量使用指定GPU1.使用CUDA_VISIBLE_DEVICES。
赤坂·龙之介·2023-12-04 16:45

Pytorch当中transpose()和permute()函数的区别

在PyTorch中，transpose()和permute()都是用于张量维度的转换，但有一些区别：transpose()方法：transpose()方法允许你交换张量的两个维度，使其维度发生变化。
BugMaker2002·2023-12-04 13:53

Pytorch当中squeeze(1)函数和unsqueeze(1)函数的区别及含义

一、squeeze(1）在PyTorch中，.squeeze(1)是用于张量维度操作的方法之一，它的作用是将张量中尺寸为1的维度压缩（去除）掉。
BugMaker2002·2023-12-04 13:20

pytorch 中的dim 的作用范围

解释如下：dim=0：这是指张量的第一个维度，通常被视为行。如果您沿此维度应用函数，它将按列处理数据。换句话说，该函数独立地应用于每一列。dim=1：这是指张量的第二维，通常被视为列。
mingqian_chu·2023-12-04 05:20

TensorFlow 的基本概念和使用场景

TensorFlow的基本概念包括：张量（Tensor）：张量是TensorFlow中的基本数据类型，可理解为一组多维数组。所有输入、输出和中间结果数据都以张量的形式在计算图中流动。
winter、21·2023-12-03 13:26

PyTorch中，.data属性已经被弃用，推荐使用.detach()方法

在PyTorch中，.data属性用于访问一个张量的底层数据（tensordata），返回一个新的张量，该张量与原始张量共享底层数据存储，但不具有梯度信息。
温柔的行子·2023-12-03 13:47

PyTorch中torch.norm函数详解

torch.norm()是PyTorch中的一个函数，用于计算输入张量沿指定维度的范数。
MinPang·2023-12-03 09:16

TensorFlow

TensorFlow的基本概念包括：张量（Tensor）：TensorFlow的核心数据结构，用于表示多维数据数组。任何数据都可以表示为Tensor的形式。
一只小阿乐·2023-12-03 02:46

cuda 在 torch神经网络中哪些地方可以用？

具体来说，可以使用CUDA加速以下操作：模型参数和输入数据的张量操作。神经网络前向传播和反向传播算法。模型的优化器更新。
高山莫衣·2023-12-02 12:26

介绍 TensorFlow 的基本概念和使用场景。

TensorFlow的基本概念和使用场景可以总结如下：1.张量（Tensors）：TensorFlow中的基本数据结构，可以看作是多维数组，用来表示向量、矩阵等数据。
微语早读·2023-12-02 09:46
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他