6.11打卡

知识点回顾:

1.随机张量的生成:torch.randn函数

2.卷积和池化的计算公式(可以不掌握,会自动计算的)

3.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:自己多借助ai举几个例子帮助自己理解即可

复制代码
import torch

# 生成一个2x3的随机张量,元素来自标准正态分布
a = torch.randn(2, 3)
print("随机张量a:\n", a)

# 生成一个3维随机张量,形状为(2,2,3)
b = torch.randn(2, 2, 3)
print("\n3维随机张量b:\n", b)

import torch.nn as nn

# 输入张量 (batch_size=1, channels=1, height=5, width=5)
input = torch.randn(1, 1, 5, 5)

# 卷积层示例
conv = nn.Conv2d(1, 1, kernel_size=3, stride=1, padding=0)
output = conv(input)
print(f"\n卷积前形状: {input.shape}, 卷积后形状: {output.shape}")

# 最大池化示例
pool = nn.MaxPool2d(kernel_size=2, stride=2)
output = pool(input)
print(f"池化前形状: {input.shape}, 池化后形状: {output.shape}")

# 示例1:张量与标量
a = torch.tensor([1.0, 2.0, 3.0])
b = 2.0
print("\n张量加标量:", a + b)  # [3.0, 4.0, 5.0]

# 示例2:不同形状张量
c = torch.tensor([[1, 2, 3], [4, 5, 6]])  # 形状(2,3)
d = torch.tensor([10, 20, 30])            # 形状(3,)
print("\n不同形状张量相加:\n", c + d)  # [[11,22,33], [14,25,36]]

# 示例3:乘法广播
e = torch.tensor([[1], [2], [3]])  # 形状(3,1)
f = torch.tensor([4, 5])           # 形状(2,)
print("\n乘法广播结果:\n", e * f)  # [[4,5], [8,10], [12,15]]

@浙大疏锦行

相关推荐
毛飞龙2 小时前
Python类(class)参数self的理解
python··self
魔尔助理顾问3 小时前
系统整理Python的循环语句和常用方法
开发语言·后端·python
颜颜yan_4 小时前
Python面向对象编程详解:从零开始掌握类的声明与使用
开发语言·redis·python
我的ID配享太庙呀5 小时前
Django 科普介绍:从入门到了解其核心魅力
数据库·后端·python·mysql·django·sqlite
@蓝莓果粒茶6 小时前
LeetCode第350题_两个数组的交集II
c++·python·学习·算法·leetcode·职场和发展·c#
FinAnalyzer6 小时前
如何在 InsCodeAI 上搭建并使用 Jupyter Notebook 环境?
ide·python·jupyter
java1234_小锋6 小时前
【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts) 视频教程 - 微博文章数据可视化分析-文章分类下拉框实现
python·自然语言处理·flask
檀越剑指大厂7 小时前
【Python系列】Flask 应用中的主动垃圾回收
开发语言·python·flask
檀越剑指大厂7 小时前
【Python系列】使用 memory_profiler 诊断 Flask 应用内存问题
开发语言·python·flask
WXX_s7 小时前
【OpenCV篇】OpenCV——03day.图像预处理(2)
人工智能·python·opencv·学习·计算机视觉