torch.as_tensor（torchas_tensor和torchtensor）

今天给各位分享torch.as_tensor的知识，其中也会对torchas_tensor和torchtensor进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、torch常用基础函数
• 2、PyTorch常用函数摘抄
• 3、torch和numpy的对比

torch常用基础函数

1、函数作用torch.as_tensor：cat 是 concatnate torch.as_tensor的意思：拼接，联系在一起。在给定维度上对输入的 Tensor 序列进行拼接操作。

2、torch.Tensor.repeat( sizes)沿着指定的维度重复张量。不同于expand()方法，本函数复制的是张量中的数据。

3、forward函数的参数为一个四维张量，形状为 ，返回值也是一个四维张量，形状为 ，其中N是批量大小，C，H，W分别表示通道数、高度、宽度。

4、torch.load() 的作用：从文件加载用 torch.save() 保存的对象。

PyTorch常用函数摘抄

1、torch.cat(inputs， dim=0) - Tensor参考链接：[Pytorch] 详解 torch.cat()Pytorch学习笔记(一)：torch.cat()模块的详解 函数作用：cat 是 concatnate 的意思：拼接，联系在一起。

2、Pytorch中CrossEntropyLoss()函数的主要是将softmax-log-NLLLoss合并到一块得到的结果。

3、在指定的维度dim上对序列seq进行连接操作。参数：例子：torch.Tensor.expand( sizes)* → Tensor 返回张量的一个新视图，可以将张量的单个维度扩大为更大的尺寸。张量也可以扩大为更高维，新增加的维度将附在前面。

4、GroupNorm将channel分组，然后再做归一化；SwitchableNorm是将BN、LN、IN结合，赋予权重，让网络自己去学习归一化层应该使用什么方法。

5、index_select()函数的作用是针对张量input，在它的dim维度上切取index指定的范围切片。

torch和numpy的对比

1、Torch是一个有大量机器学习算法支持的科学计算框架，是一个与Numpy类似的张量（Tensor） 操作库，其特点是特别灵活，但因其采用了小众的编程语言是Lua，所以流行度不高，这也就有了PyTorch的出现。

2、PyTorch的功能强大。PyTorch是基与Torch延伸而来，但二者最大的区别在于PyTorch 使用了Python 作为开发语言。最大的功能亮点在于实现强大的GPU加速同时包含自动求导系统的深度神经网络，这是许多主流框架不支持的。

3、PyTorch 是 Torch7 团队开发的，从它的名字就可以看出，其与 Torch 的不同之处在于 PyTorch 使用了 Python 作为开发语言。

torch.as_tensor的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于torchas_tensor和torchtensor、torch.as_tensor的信息别忘了在本站进行查找喔。