摘要:
>>> atensor([2., 4., 6., 8.])>>> c = a.resize_(2,2)>>> atensor([[2., 4.], [6., 8.]])>>> ctensor([[2., 4.], [6., 8.]])>>> a = a.resize_(4)>>> atensor([ 阅读全文
摘要:
向量化操作是指可以在同一时间进行批量地并行计算,例如矩阵运算,以达到更好效率的一种方式。 尽量使用向量化直接对Tensor操作,避免低效率的for循环对元素逐个操作。 阅读全文
摘要:
>>> a = torch.randn(3,3)>>> atensor([[ 0.5805, 0.1940, 1.2591], [-0.0863, 0.5350, -0.7737], [-0.4059, -0.0447, -0.3434]])>>> a.sort(0,True)[0]tensor([ 阅读全文
摘要:
>>> a = torch.Tensor([[1,2],[3,4]])>>> atensor([[1., 2.], [3., 4.]])>>> a[1] 类似python中的列表的取值tensor([3., 4.])>>> a[0]tensor([1., 2.])>>> a > 0 返回布尔值或者0 阅读全文