摘要：
1. 索引操作与NumPy非常类似， 主要包含下标索引、 表达式索引、 使用torch.where()与Tensor.clamp()的选择性索引。 1 import torch 2 3 a = torch.Tensor([[0,1],[2,3]]) 4 print(a, a.size()) 5 >> 阅读全文
摘要：
Tensor在使用时可以有不同的数据类型， 如表2.1所示， 官方给出了7种CPU Tensor类型与8种GPU Tensor类型， 在使用时可以根据网络模型所需的精度与显存容量， 合理地选取。 16位半精度浮点是专为GPU上运行的模型设计的， 以尽可能地节省GPU显存占用， 但这种节省显存空间的方 阅读全文
摘要：
Tensor的创建与维度查看 1 import torch 2 import numpy as np 3 4 # 最基础的Tensor()函数创建方法， 参数为Tensor的每一维大小 5 a = torch.Tensor(2,2) 6 print(a) 7 >> tensor([[1.0965e- 阅读全文
摘要：
Tensor的组合与分块 组合操作是指将不同的Tensor叠加起来， 主要有torch.cat()和torch.stack()两个函数。 cat即concatenate的意思， 是指沿着已有的数据的某一维度进行拼接， 操作后数据的总维数不变， 在进行拼接时， 除了拼接的维度之外， 其他维度必须相同。 阅读全文