Pytorch张量广播

Pytorch 中的主要的数据结构包括标量、向量、矩阵、张量,同时支持数据之间的运算。在 Pytorch 中有一个张量广播的概念,就是要把小的放大,最后在一起做计算,并不是所有的张量都可以计算,规则如下

  1. 首先比较维度,如果不一致,增加维度值为 "1"
  2. 检查是否可广播,同一个维度上一致或者为 "1",为"1" 可以放大任意多个

不同维度:

复制代码
# 3, 2, 2
tensor_a = torch.tensor([[[1.0, 2.0], [3.0, 4.0]],
                         [[5.0, 6.0], [7.0, 8.0]],
                         [[9.0, 10.0], [11.0, 12.0]]])  # Shape (3, 2, 2)
# 2,2
tensor_b = torch.tensor([[0.1, 0.2],
                         [0.3, 0.4]]) 


result = tensor_a + tensor_b

结果

复制代码
[
	[  
        [ 1.1000,  2.2000], [ 3.3000,  4.4000]
    ],
    [
        [ 5.1000,  6.2000], [ 7.3000,  8.4000]
	],
	[
        [ 9.1000, 10.2000], [11.3000, 12.4000]
	]
]
  • 张量 (2,2) 变成 (1,2,2),这里要注意一下,维度比较是从右向左。
  • 再从 (1,2,2) 变成 (3,2,2),就是把数据重复三次。

广播方便了对张量的操作,例如我们想生成一张绿色北京的图,初始一张图,把绿色通道变成 255。

复制代码
import torch
import matplotlib.pyplot as plt

width, height = 256, 256

green_color = torch.tensor([0, 255, 0], dtype=torch.uint8)

green_image = torch.zeros((height, width, 3), dtype=torch.uint8) + green_color

green_image_np = green_image.numpy()


plt.figure(figsize=(6, 6))
plt.imshow(green_image_np)
plt.axis('off')  
plt.title('Green')
plt.show()
相关推荐
吴佳浩3 小时前
我把 HAMi 摆回一台双卡机器上跑了一遍:GPU 编排的性能账,到底记在谁头上
人工智能·gpu
岁月宁静5 小时前
五、《从零手撸 Agent》 — 什么是 Agent:从“会聊天”到“会做事”,差的就是一个循环
python·agent
梯度下降者6 小时前
Python - 函数
python·高阶函数·可调用对象·functools·嵌套作用域
forest_096 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区7 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔8 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区8 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
starzy19908 小时前
深入理解Scala隐式参数:上下文流转
开发语言·python·scala
努力的MM1238 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能