Deep-Learning-with-PyTorch - 专题

投稿

收录了43篇文章 · 2人关注

Deep-Learning-with-PyTorch-3.8.3 高维上转置
3.8.3 高维上转置在PyTorch中进行转置不仅限于矩阵。我们可以通过指定应该发生转置（翻转形状和步幅）的两个维度来转置多维数组：将其...

0.1 追求科技的足球 0 1
Deep-Learning-with-PyTorch-3.8.2 转置而不复制
3.8.2 转置而不复制让我们现在尝试转置。让我们看一下点张量，将其在行中具有单个点，在列中具有X和Y坐标，然后将其旋转以使单个点在列中。 ...

0.2 追求科技的足球 0 1

Deep-Learning-with-PyTorch-3.8.1 其他张量存储的视图
3.8.1 其他张量存储的视图我们可以通过提供相应的索引来获得张量中的第二个点：结果张量在存储中的偏移量为2（因为我们需要跳过第一个点，该点...

0.2 追求科技的足球 0 1
Deep-Learning-with-PyTorch-3.8 张量元数据：大小，偏移量和步幅
3.8 张量元数据：大小，偏移量和步幅为了索引存储，张量依赖于几条信息以及它们的存储，明确地定义它们：大小，偏移量和步幅。这些相互作用的方式...

0.2 追求科技的足球 0 1
Deep-Learning-with-PyTorch-3.7.2 修改存储的值：就地操作
3.7.2 修改存储的值：就地操作除了上一节中介绍的对张量的操作以外，仅作为Tensor对象的方法存在的操作数量很少。可以从名称的尾部下划线...

追求科技的足球 0 0
Deep-Learning-with-PyTorch-3.7.1 索引到存储
3.7.1 索引到存储让我们看看在2D点中实际上如何建立存储索引。使用.storage属性可以访问给定张量的存储：即使张量报告自己具有三行...

0.1 追求科技的足球 0 1
Deep-Learning-with-PyTorch-3.7 张量：存储的风景
3.7 张量：存储的风景现在是时候让我们更仔细地了解引擎盖下的实现了。张量中的值分配在由torch.Storage实例管理的连续内存中。存...

0.2 追求科技的足球 0 1

Deep-Learning-with-PyTorch-3.6 张量API
3.6 张量API 至此，我们知道了什么是PyTorch张量以及它们是如何在幕后工作的。在总结之前，值得一看的是PyTorch提供的张量操作。 ...

0.1 追求科技的足球 0 1
Deep-Learning-with-PyTorch-3.5.2 适合各种场合的dtype
3.5.2 适合各种场合的dtype 正如我们将在以后的章节中看到的那样，神经网络中发生的计算通常以32位浮点精度执行。更高的精度（例如64位...

0.1 追求科技的足球 0 1
Deep-Learning-with-PyTorch-3.5.3 管理张量的dtype属性
3.5.3 管理张量的dtype属性为了分配正确的数字类型的张量，我们可以指定适当的dtype作为构造函数的参数。例如：我们可以通过访问相...

0.2 追求科技的足球 0 1