Pytorch | Tensor张量

- 日理万妓 2022-09-09 06:11 179阅读 0赞

点击上方“**机器学习与生成对抗网络**”，关注星标

获取有趣、好玩的前沿干货！

来源：知乎—秦一

地址：https://zhuanlan.zhihu.com/p/399350505

##     ##

**01**

**Tensor的裁剪运算**

对Tensor中的元素进行范围过滤

常用于梯度裁剪（gradient clipping），即在发生梯度离散或者梯度爆炸时对梯度的处理

torch.clamp(input, min, max, out=None) → Tensor：将输入input张量每个元素的夹紧到区间 \[min,max\]，并返回结果到一个新张量。

![21f1111893048c49325a8a71b9242548.png][]

##     ##

**02**

**Tensor的索引与数据筛选**

torch.where(codition,x,y):按照条件从x和y中选出满足条件的元素组成新的tensor，输入参数condition：条件限制，如果满足条件，则选择a，否则选择b作为输出。

torch.gather(input,dim,index,out=None):在指定维度上按照索引赋值输出tensor

torch.inex\_select(input,dim,index,out=None):按照指定索引赋值输出tensor

torch.masked\_select(input,mask,out=None):按照mask输出tensor，输出为向量

torch.take(input,indices):将输入看成1D-tensor，按照索引得到输出tensor

torch.nonzero(input,out=None):输出非0元素的坐标

import torch#torch.where
    a = torch.rand(4, 4)b = torch.rand(4, 4)
    print(a)print(b)
    out = torch.where(a > 0.5, a, b)
    print(out)

print("torch.index_select")
    
    
    a = torch.rand(4, 4)
    print(a)
    out = torch.index_select(a, dim=0,
                       index=torch.tensor([0, 3, 2]))
    #dim=0按列，index取的是行
    print(out, out.shape)

![4011ff500108dde511abf42b8bf3a489.png][]

print("torch.gather")a = torch.linspace(1, 16, 16).view(4, 4)
    print(a)
    out = torch.gather(a, dim=0,             index=torch.tensor([[0, 1, 1, 1],                                 [0, 1, 2, 2],                                 [0, 1, 3, 3]]))print(out)print(out.shape)#注：从0开始，第0列的第0个，第一列的第1个，第二列的第1个，第三列的第1个，，，以此类推#dim=0, out[i, j, k] = input[index[i, j, k], j, k]#dim=1, out[i, j, k] = input[i, index[i, j, k], k]#dim=2, out[i, j, k] = input[i, j, index[i, j, k]]

![2e8012d9ec08e8982e081a1a549ef794.png][]

print("torch.masked_index")a = torch.linspace(1, 16, 16).view(4, 4)mask = torch.gt(a, 8)print(a)print(mask)out = torch.masked_select(a, mask)print(out)

print("torch.take")
    a = torch.linspace(1, 16, 16).view(4, 4)
    
    
    b = torch.take(a, index=torch.tensor([0, 15, 13, 10]))
    
    
    print(b)

![bdb1cd33eb941e9905e58aaea4564262.png][]

#torch.nonzeroprint("torch.take")a = torch.tensor([[0, 1, 2, 0], [2, 3, 0, 1]])out = torch.nonzero(a)print(out)#稀疏表示

![8f205f353941c189c3a92479394b4995.png][]

##     ##

**03**

**Tensor的组合/拼接**

torch.cat(seq,dim=0,out=None):按照已经存在的维度进行拼接

torch.stack(seq,dim=0,out=None):沿着一个新维度对输入张量序列进行连接。序列中所有的张量都应该为相同形状。

print("torch.stack")a = torch.linspace(1, 6, 6).view(2, 3)b = torch.linspace(7, 12, 6).view(2, 3)print(a, b)out = torch.stack((a, b), dim=2)print(out)print(out.shape)
    print(out[:, :, 0])print(out[:, :, 1])

![6db9a5346b54c5a38e31712eb80cc168.png][]

##     ##

**04**

**Tensor的切片**

torch.chunk(tensor,chunks,dim=0):按照某个维度平均分块（最后一个可能小于平均值）

torch.split(tensor,split\_size\_or\_ps,dim=0):按照某个维度依照第二个参数给出的list或者int进行分割tensor

##     ##

**05**

**Tensor的变形操作**

torch().reshape(input,shape)

torch().t(input):只针对2D tensor转置

torch().transpose(input,dim0,dim1):交换两个维度

torch().squeeze(input,dim=None,out=None):去除那些维度大小为1的维度

torch().unbind(tensor,dim=0):去除某个维度

torch().unsqueeze(input,dim,out=None):在指定位置添加维度,dim=-1在最后添加

torch().flip(input,dims):按照给定维度翻转张量

torch().rot90(input,k,dims):按照指定维度和旋转次数进行张量旋转

import torcha = torch.rand(2, 3)print(a)out = torch.reshape(a, (3, 2))print(out)

![9498100306bb85ed19789bd63cbe3621.png][]

print(a)print(torch.flip(a, dims=[2, 1]))
    print(a)print(a.shape)out = torch.rot90(a, -1, dims=[0, 2]) #顺时针旋转90°  print(out)print(out.shape)
    
    
    
    06
    
    
    Tensor的填充操作

torch.full((2,3),3.14)

**07**

**Tensor的频谱操作（傅里叶变换）**

![0e1b1dcc769153de12de301c1e313b55.png][]

猜您喜欢：
    等你着陆！【GAN生成对抗网络】知识星球！  
    CVPR 2021 | GAN的说话人驱动、3D人脸论文汇总
    
    CVPR 2021 | 图像转换 今如何？几篇GAN论文
    
    【CVPR 2021】通过GAN提升人脸识别的遗留难题
    
    CVPR 2021生成对抗网络GAN部分论文汇总
    
    经典GAN不得不读：StyleGAN
    
    最新最全20篇！基于 StyleGAN 改进或应用相关论文
    
    超100篇！CVPR 2020最全GAN论文梳理汇总！
    附下载 | 《Python进阶》中文版
    附下载 | 经典《Think Python》中文版
    附下载 | 《Pytorch模型训练实用教程》
    附下载 | 最新2020李沐《动手学深度学习》
    
    附下载 | 《可解释的机器学习》中文版
    
    附下载 |《TensorFlow 2.0 深度学习算法实战》
    
    附下载 | 超100篇！CVPR 2020最全GAN论文梳理汇总！
    附下载 |《计算机视觉中的数学方法》分享

[21f1111893048c49325a8a71b9242548.png]: /images/20220829/7f4cb213de7e43da9ce1affc4e2c23e0.png
[4011ff500108dde511abf42b8bf3a489.png]: /images/20220829/37c485b07e8d4df9aa39b7f2ff7353d8.png
[2e8012d9ec08e8982e081a1a549ef794.png]: /images/20220829/cb7a574201084e628387ee34f15254bf.png
[bdb1cd33eb941e9905e58aaea4564262.png]: /images/20220829/2abf1b317408463385edc0005b627398.png
[8f205f353941c189c3a92479394b4995.png]: /images/20220829/6eb3dcf80bf249e2b79f0f22195c47da.png
[6db9a5346b54c5a38e31712eb80cc168.png]: /images/20220829/8bd238ca6fb245258f2e0557dd3a1168.png
[9498100306bb85ed19789bd63cbe3621.png]: /images/20220829/10db7fc52e6f4fa1b359d02e8351f63a.png
[0e1b1dcc769153de12de301c1e313b55.png]: /images/20220829/dd611193d3ad48e6b958067859784929.png