pytorch 矩阵运算,pytorch矩阵相乘

　　00-1010 1.张量维序变换BCHW序调整2。矩阵乘法相关函数，矩阵乘法，点乘3。求矩阵的对角元素或非对角元素。

目录

tensor.permute(dims)

　　转置张量的维数。参数是一系列整数，表示原始张量的维数。例如，三个维度分别为0、1和2。

　　Import torch=torch.rand (8，256，256，3) #-n，h，w，cprint (a.shape) b=a.permate (0，3，1，2) #-n，c，h，wprint (b. 3]) Torch.size ([8，3，256，256])采用_numy.transpose(a,axis=None)_进行Numpy中的维序变换。

　　参数 a:输入阵列

　　axis列表的类型为3360INT，该参数是可选的。默认情况下，输入数组的维度是反向的。当给定此参数时，将根据此参数设置的值执行数组转换。

　　返回值 p: ndarray返回转置后的原始数组的视图。

　　将numpy导入为？np？x=np.random.randn(8，256，256，3)？# - n，h，w，c print(x . shape)y=x . transpose((0，3，1，2))？# ?-n，c，h，w打印(y.shape) #输出(8，256，256，3)(8，3，256，256)

　　00-1010二维矩阵乘法火炬. mm()

　　Torch.mm(mat1，mat2，out=None)，其中mat1(NXM)，mat2(MXD)，输出out的维数为(NXD)

　　该函数一般只用于计算两个二维矩阵的矩阵乘法，不支持广播运算。

　　Torch.bmm()，提供了一个三维矩阵乘法小批量(bmat1，bmat2，out=none)，其中bmat1(bnmbnm)，bmat2 (b m db m)

　　该函数的两个输入必须是第一维度相同的三维矩阵(代表批量维度)，不支持广播操作。

　　多维矩阵乘法torch . mat mul()torch . mat mul(input，other，out=none)支持广播运算，使用起来比较复杂。

　　对于多维数据matmul()乘法，我们可以认为这个matmul()乘法是用两个参数的最后两个维度来计算，其他维度可以认为是批量维度。假设两个输入的维数分别为input(1000500991110005009911)和other (500 11 99500 11 99)，那么我们可以考虑torch.matmul(input，other，Out=None)乘法就是先将矩阵的最后两位相乘得到(9911)(1199)(9999)(9911)(11)

　　矩阵元素式乘法torch.mul () torch.mul (mat1，other，out=none)，其中另一个乘数可以是标量，也可以是任意维的矩阵，只要最后的乘法可以广播。

　　@:矩阵乘法，它自动执行适当的矩阵乘法功能*:逐元素乘法。

　　00-1010取对角线的元素可以使用torch.diagonal()

　　x=torch.randn(4，4)#张量([[ 0.9148，0.1396，-0.8974，2.0014]，# [ 0.1129，-0.3656，0.4371，0.2618]，# [ 1.1049，-0.0774，-0.4160，-0.4922]，# [1.3197，-0.2022，-0.00

　　在网上看到一个巧妙的非对角元素法。

　　n，m=x . shape assert n==MX . flatten()[:-1]。视图(n-1，n-1)[:1:]。flatten()# tensor([ 0.1396，-0.8974，2.0014，0.1129，0.4371，0.2618，1.1049，-0.0774，#-0.4922，1.3197，-0.2022，-0.0031])首先用flatten()拉直向量，然后去掉最后一个元素得到n^2-1元素，然后构造一个维度为[n-1，n

　　关于pytorch的矩阵变换函数的这篇文章到此为止。有关pytorch矩阵变换功能的更多信息，请搜索热门IT以前的文章或继续浏览下面的相关文章。我希望你以后能更多地支持流行音乐！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。