张量是一个多维数组。它是许多计算库中的关键实体，例如tensorflow，torch，theano，caffe，mxnet，用于机器学习任务。如果您使用此标记，还要使用相应的库标记问题。
运行时错误：张量的大小必须匹配（维度 1 除外）。预期大小为 18，但列表中 1 号张量的大小为 17
我是 Pytorch 新手，正在为我的 Django 应用程序使用预训练模型来恢复损坏的图像。我从这个存储库中给出的代码中获得了帮助。 我的 ML 模型类的代码如下： ...
我正在尝试构建一个自定义模型来在 PyTorch 中进行训练，长话短说，我需要构建一个张量，将所有元素设置为零，除了矩形下对角块之外，最重要的是
我有一个张量和掩模。而且，我还有第二个面具。 现在我想要张量[mask][second_mask]的变化值，但它不起作用。 我认为这是因为张量[mask]返回一个新的张量......
我正在尝试在 Pytorch 中使用 D-Linear 模型的实现。 这是模型架构 从重新导入X 进口火炬 将 torch.nn 导入为 nn 导入 torch.nn.function 作为 F 导入numpy...
我需要按第一列的键值对一批二维矩阵的行进行排序： 原始批量矩阵（3d 张量）： 火炬.张量([[[2, 0], [0, 1], [1, 2]], ...
我们有两个张量： a = np.arange(8.).reshape(4,2,1) b = np.arange(16.).reshape(2,4,2) 我们要实施 np.einsum('ijk,jil->kl', a, b) 虽然我们可以获得结果，但我们
假设我有一个 PyTorch 张量，例如： 进口火炬 x = torch.randn([3, 4, 5]) 我想得到一个新的张量，具有相同的维数，包含
我有这个训练循环 def train（数据加载器，模型，loss_fn，优化器）： 大小 = len(dataloader.dataset) 模型.train() 对于批处理，枚举（dataloader）中的（X，y）： X, y = 火炬...
我想在使用张量积的 gam 函数中手动设置一些结位置。 例如 ： 设置.seed(0) <- 500 x <- runif(n) z <- runif(n) y <- runif(n) gam(y ~ te(x,...
pytorch min by columns with nan
我有一个具有 nan 值的 2D 火炬张量，我想获取列最小值并忽略具有 nan 值的单元格。 进口火炬 数据 = torch.tensor([[ 0., 1., float('nan'), 3.],[ 4., 5., 6....
我想我有一个非常简单的问题。让我们取以下长度为 6 的张量 t = torch.tensor([10., 20., 30., 40., 50., 60.]) 现在我只想访问特定 ind 的元素...
我正在 PyTorch 中工作，我试图找到每个唯一行第一次出现的索引。这是我到目前为止所拥有的： 进口火炬 将 numpy 导入为 np # 张量示例 数据 = torch.rand(100...
我有一个尺寸为 (2, 3) 的 torch.tensor： 1 2 3 4 5 6 我想创建尺寸为 (2, 5) 的张量，如下所示： 1 2 3 4 5 6 0 0 0 0 我怎样才能有效地做到这一点？ 也用于向后变换。
添加形状为 (16, 8, 8, 5) 的 4D 张量和形状为 (16, 16) 的 2D 张量
我想将形状 (16,16) 的噪声添加到形状 (16,8,8,5) 的 4D 张量中。 我尝试了几种广播方法，但仍然遇到错误，但出现单例不匹配错误。我怎样才能添加这些...
使用 hooks 在 Pytorch 中向后传递期间打印中间梯度值
我正在尝试使用注册后向挂钩来打印模型向后传递期间每个中间梯度的值： 类 func_NN(torch.nn.Module): def __init__(self,) :
对于包含大量零的密集矩阵，scipy.sparse 实现稀疏矩阵来有效地存储和操作它。 但是如果张量（高于二维）是稀疏的，我们也可以利用稀疏性，是
Pytorch 错误：“运行时错误：mat1 和 mat2 形状无法相乘（32x150528 和 784x512）”
我正在尝试通过 Pytorch 训练模型。该数据集属于我，它有 2 个文件夹：train_data 和 test_data。每个文件夹都有 2 个文件夹：Detected 和 not_Detected（这些是我的类）。
我有一个矩阵，看起来像 时间 可乐 B栏 Col_C 寒冷的 价格 123 A1 B1 C2 D6 23.43 124 A5 B3 C7 D1 14.63 125 A3 B2 C3 D2 343.43 126 A2 B1 C2 D6 43.43 127 A1 B1 C7 D2 6.63 现在我想要
每次遇到 x 个连续零的序列时，我都会尝试对 1D pytorch 张量进行分段。如果额外的零元素遵循这个“分割”，我打算删除它们，直到新...