vlambda博客
学习文章列表

(附代码)深度学习Pytorch框架Tensor的各种操作


计算机视觉|机器视觉|机器学习|深度学习


编者荐语

 

文章主要介绍了Tensor的裁剪运算、索引与数据筛选、组合/拼接、切片、变形操作、填充操作和Tensor的频谱操作(傅里叶变换)。

作者丨秦一@知乎

链接丨https://zhuanlan.zhihu.com/p/399350505


(附代码)深度学习Pytorch框架Tensor的各种操作


1 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。
(附代码)深度学习Pytorch框架Tensor的各种操作

2 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(44)
b = torch.rand(44)

print(a)
print(b)

out = torch.where(a > 0.5, a, b)

print(out)
(附代码)深度学习Pytorch框架Tensor的各种操作
print("torch.index_select")
a = torch.rand(44)
print(a)
out = torch.index_select(a, dim=0,
                   index=torch.tensor([032]))
#dim=0按列,index取的是行
print(out, out.shape)
(附代码)深度学习Pytorch框架Tensor的各种操作
print("torch.gather")
a = torch.linspace(11616).view(44)

print(a)

out = torch.gather(a, dim=0,
             index=torch.tensor([[0111],
                                 [0122],
                                 [0133]]))
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]]
(附代码)深度学习Pytorch框架Tensor的各种操作
print("torch.masked_index")
a = torch.linspace(11616).view(44)
mask = torch.gt(a, 8)
print(a)
print(mask)
out = torch.masked_select(a, mask)
print(out)
(附代码)深度学习Pytorch框架Tensor的各种操作
print("torch.take")
a = torch.linspace(11616).view(44)

b = torch.take(a, index=torch.tensor([0151310]))

print(b)
(附代码)深度学习Pytorch框架Tensor的各种操作
#torch.nonzero
print("torch.take")
a = torch.tensor([[0120], [2301]])
out = torch.nonzero(a)
print(out)
#稀疏表示
(附代码)深度学习Pytorch框架Tensor的各种操作

3 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(166).view(23)
b = torch.linspace(7126).view(23)
print(a, b)
out = torch.stack((a, b), dim=2)
print(out)
print(out.shape)

print(out[:, :, 0])
print(out[:, :, 1])
(附代码)深度学习Pytorch框架Tensor的各种操作

4 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_sections,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

5 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 torch
a = torch.rand(23)
print(a)
out = torch.reshape(a, (32))
print(out)
(附代码)深度学习Pytorch框架Tensor的各种操作
print(a)
print(torch.flip(a, dims=[21]))

print(a)
print(a.shape)
out = torch.rot90(a, -1, dims=[02]) #顺时针旋转90°  
print(out)
print(out.shape)
(附代码)深度学习Pytorch框架Tensor的各种操作

6 Tensor的填充操作

  • torch.full((2,3),3.14)

7 Tensor的频谱操作(傅里叶变换)



—THE END—

双一流大学研究生团队创建,专注于计算机视觉与机器学习,想要将分享变成一种习惯!

后台回复「加群」加入互助群

回复「目标检测」打包下载目标检测相关资料

回复:图像处理计算机视觉机器视觉机器学习深度学习C/C++PythonPyTorch CVPR2022数据集获取相应资料。