打卡第48天

知识点: 随机张量的生成:torch.randn函数 卷积和池化的计算公式(可以不掌握,模型会自动计算的) pytorch的广播机制:加法和乘法的广播机制 ps:numpy运算也有类似的广播机制,基本一致 作业:借助ai举几个例子帮助自己理解

一、torch.randn 生成随机张量

作用 :生成服从标准正态分布(均值 0,方差 1)的随机张量。
例子

复制代码
import torch  
# 生成形状为(2, 3)的二维随机张量  
tensor1 = torch.randn(2, 3)  
print(tensor1)  
# 输出类似:  
# tensor([[-0.1234,  0.4567, -0.8901],  
#         [ 1.2345, -0.6789,  0.3456]])  

# 生成形状为(3, 2, 4)的三维随机张量(3个2×4的矩阵)  
tensor2 = torch.randn(3, 2, 4)  

二、PyTorch 广播机制(加法 / 乘法)

核心规则:维度从后往前对齐,长度为 1 的维度可扩展至匹配另一张量的维度。

1. 加法广播

例子 1:二维张量 + 一维张量(行广播)

复制代码
a = torch.tensor([[1, 2, 3], [4, 5, 6]])  # 形状(2, 3)  
b = torch.tensor([10, 20, 30])           # 形状(3,)  
c = a + b  # 等价于a的每一行都加上b  
print(c)  
# 输出:  
# tensor([[11, 22, 33],  
#         [14, 25, 36]])  

原理:b 的形状 (3,) → 扩展为 (1, 3),再与 a 的 (2, 3) 对齐相加。

例子 2:三维张量 + 二维张量(通道广播)

复制代码
x = torch.randn(2, 3, 4)  # 形状(2, 3, 4)(假设为2个样本,3通道,4×4特征图)  
y = torch.randn(1, 3, 1)  # 形状(1, 3, 1)(可理解为3通道的偏置,每个通道一个值)  
z = x + y  # y会扩展为(2, 3, 4),每个样本的每个通道的所有元素都加上对应通道的偏置  
2. 乘法广播

逻辑与加法一致,仅运算改为乘法
例子:张量 × 标量(最简化广播)

复制代码
d = torch.tensor([1, 2, 3])  
e = d * 2  # 每个元素×2,输出tensor([2, 4, 6])  

三、Numpy 广播机制(与 PyTorch 基本一致)

复制代码
import numpy as np  
arr1 = np.array([[1, 2], [3, 4]])  # 形状(2, 2)  
arr2 = np.array([10, 20])         # 形状(2,)  
arr3 = arr1 * arr2  # 等价于arr1的每一行 × arr2  
print(arr3)  
# 输出:  
# array([[10, 40],  
#        [30, 80]])  

@浙大疏锦行

相关推荐
大白爱琴几秒前
使用python进行图像处理—图像变换(6)
图像处理·人工智能·python
月忆36413 分钟前
等待组(waitgroup)
前端·爬虫·python
一个何包蛋!!20 分钟前
相关类相关的可视化图像总结
开发语言·python·数据可视化
技术便签20 分钟前
第一篇:Agent2Agent (A2A) 协议——协作式人工智能的黎明
人工智能·python·ai编程·agi·多智能体·智能体·adk
love530love33 分钟前
教程:PyCharm 中搭建多级隔离的 Poetry 环境(从 Anaconda 到项目专属.venv)
开发语言·ide·人工智能·windows·python·pycharm
Ian在掘金40 分钟前
bat+python实现easy connect自动连接
前端·python
midsummer_woo40 分钟前
【2025】pycharm 安装
ide·python·pycharm
AщYΘ1 小时前
6.6 day38
python
老胖闲聊1 小时前
Python ROS2【机器人中间件框架】 简介
python·中间件·机器人
咖啡配辣条2 小时前
Python基础09
python