数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学如何在 PyTorch 中缩小张量？
torch.narrow() 方法用于对 PyTorch 张量执行缩小操作。它返回一个新的张量，它是原始输入张量的缩小版本。
例如，一个 [4, 3] 的张量可以缩小到 [2, 3] 或 [4, 2] 大小的张量。我们可以一次沿着单个维度缩小张量。在这里，我们不能将两个维度都缩小到 [2, 2] 的大小。我们也可以使用 Tensor.narrow() 来缩小张量。
语法
torch.narrow(input, dim, start, length) Tensor.narrow(dim, start, length)
参数
input – 要缩小的 PyTorch 张量。
dim – 要沿其缩小原始张量 input 的维度。
Start – 开始维度。
Length – 从开始维度到结束维度的长度。
步骤
导入 torch 库。确保你已经安装了它。
import torch
创建一个 PyTorch 张量并打印张量及其大小。
t = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("Tensor:
", t)
print("Size of tensor:", t.size()) # size 3x3计算 torch.narrow(input, dim, start, length) 并将值赋给一个变量。
t1 = torch.narrow(t, 0, 1, 2)
缩小后，打印结果张量及其大小。
print("Tensor after Narrowing:
", t2)
print("Size after Narrowing:", t2.size())示例 1
在下面的 Python 代码中，输入张量大小为 [3, 3]。我们使用 dim = 0，start = 1 和 length = 2 沿维度 0 缩小张量。它返回一个维度为 [2, 3] 的新张量。
请注意，新张量沿维度 0 缩小，并且沿维度 0 的长度更改为 2。
# import the library
import torch
# create a tensor
t = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# print the created tensor
print("Tensor:
", t)
print("Size of Tensor:", t.size())
# Narrow-down the tensor in dimension 0
t1 = torch.narrow(t, 0, 1, 2)
print("Tensor after Narrowing:
", t1)
print("Size after Narrowing:", t1.size())
# Narrow down the tensor in dimension 1
t2 = torch.narrow(t, 1, 1, 2)
print("Tensor after Narrowing:
", t2)
print("Size after Narrowing:", t2.size())输出
Tensor:
tensor([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
Size of Tensor: torch.Size([3, 3])
Tensor after Narrowing:
tensor([[4, 5, 6],
[7, 8, 9]])
Size after Narrowing: torch.Size([2, 3])
Tensor after Narrowing:
tensor([[2, 3],
[5, 6],
[8, 9]])
Size after Narrowing: torch.Size([3, 2])示例 2
以下程序演示了如何使用 Tensor.narrow() 实现缩小操作。
# import required library
import torch
# create a tensor
t = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
# print the above created tensor
print("Tensor:
", t)
print("Size of Tensor:", t.size())
# Narrow-down the tensor in dimension 0
t1 = t.narrow(0, 1, 2)
print("Tensor after Narrowing:
", t1)
print("Size after Narrowing:", t1.size())
# Narrow down the tensor in dimension 1
t2 = t.narrow(1, 0, 2)
print("Tensor after Narrowing:
", t2)
print("Size after Narrowing:", t2.size())输出
Tensor:
tensor([[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]])
Size of Tensor: torch.Size([4, 3])
Tensor after Narrowing:
tensor([[4, 5, 6],
[7, 8, 9]])
Size after Narrowing: torch.Size([2, 3])
Tensor after Narrowing:
tensor([[ 1, 2],
[ 4, 5],
[ 7, 8],
[10, 11]])
Size after Narrowing: torch.Size([4, 2])
更新于：2021 年 12 月 6 日
723 次浏览
广告