1.將數(shù)據(jù)切分

pytorch: tensor_data.view(N,T,C,V,W)? #例，將tensor數(shù)據(jù)拆分為N,T,C,V,W。允許設(shè)置-1，計(jì)算默認(rèn)維度的值

numpy：numpy_data.reshape(N,T,C,V,W) #例，將numpy數(shù)據(jù)拆分為N,T,C,V,W。

2.改變數(shù)據(jù)維度

pytorch：tensor_data.permute(0,1,3,2,4)? #例，將2,3維度調(diào)換。

numpy：numpy_data.transpose(0,1,4,3,2) #例，將?2,4維度調(diào)換。

3.沿某一維度取平均

pytorch：tensor_data.mean(dim,keepdims = ?) #例，將dim維度取均值,取-1代表最后一個(gè)維度,keepdims表示是否保留此維度,取值為0或1

numpy：numpy_data.mean(dim,keepdims = ?) #

4.對(duì)數(shù)組求平方

pytorch：tensor_data.pow(2) #

numpy: numpy_data.square() #

5.沿某一維度相加

pytorch：tensor_data.sum(dim,keepdims = ?) #例，將dim維度求和,keepdims表示是否保留此維度,取值為0或1

numpy：numpy_data.sum(dim,keep_dims = ?)

6.求內(nèi)積：不可用數(shù)據(jù)調(diào)用

pytorch：torch.matmul(a,b) # import torch

numpy: numpy.matmul(a,b) # import numpy

? ? ? ? ? ? ?numpy.dot(a,b) #常用于低維

7.矩陣相乘： a*b即可

8.去除維度值為1的維度

pytorch：torch_data.squeeze(dim) #將dim維度去除，注意只有當(dāng)dim = 1時(shí)才能被去除，不帶任何參數(shù)時(shí)將所有維度為1的刪除，-1表示最后一個(gè)。-2表示倒數(shù)第二個(gè).... 。

numpy：numpy_data.squeeze(dim) #同上。

9，添加維度為1的維度

pytorch：torch_data.unsqueeze(dim) #在dim處添加值為1的維度必須帶參數(shù)，-1表示最后一個(gè)位置。-2表示倒數(shù)第二個(gè)位置... 。

numpy：np.expand_dims(a,dim = ?) #這里不能用數(shù)據(jù)調(diào)用！！！

！！以上均展示的為數(shù)據(jù)直接調(diào)用，無特殊說明，均可以替換為np.xxxx(data,...) 或 torch.xxxx(data,....)

總結(jié)

以上是生活随笔為你收集整理的pytorch对张量的一些常用处理以及numpy对数组的一些常用处理的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。