Pytorch学习笔记之数据操作篇(以实践为主导)

tensor操作篇

Pytorch学习笔记之数据操作篇(以实践为主导)

 

1. contiguous()

作用:强制拷贝一份tensor,让它的布局和从头创建的一模一样,但是两个tensor完全没有联系

使用场景:断开输入张量与输出张量的内存共享联系

参考链接

2. zero_()

作用:张量所有值置零

3. variable()

使用:

 variable(tensor)

作用:将张量转换为变量,用于梯度计算,更新参数。 形象点说:tensor是硬币的话,那Variable就是钱包,它记录着里面的钱的多少,和钱的流向。

使用场景:参与loss计算的tensor

参考链接

4.data()

使用:

tensor = variable.data().cuda()

作用:将变量(Variable)变为tensor,将requires_grad设置为Flase

使用场景:loss计算中不参与梯度运算的部分数据

5. max( )

使用:

tensor.max(dim)

作用:按维度dim 返回最大值,并且返回索引。

参考链接

常见tensor数据类型

常见tensor数据类型互换方法

上一篇:xdoj多位水仙花数


下一篇:C++并发编程之 std::condition_variable的虚假唤醒