赞
踩
参考 torch.ones,normal,max - 云+社区 - 腾讯云
- >>> n_data = torch.ones(5, 2)
- >>> print(n_data)
- tensor([[1., 1.],
- [1., 1.],
- [1., 1.],
- [1., 1.],
- [1., 1.]])
- >>> print(n_data.shape)
- torch.Size([5, 2])
- >>> x0 = torch.normal(2*n_data, 1)
- >>> print(x0)
- tensor([[3.2688, 1.4834],
- [1.8288, 0.7327],
- [3.2382, 4.0835],
- [2.8337, 2.1901],
- [3.3097, 2.4447]])
- #每个元素是从 均值=2*n_data中对应位置的取值,标准差为1的正态分布中随机生成的
-
- >>> print(2*n_data)
- tensor([[2., 2.],
- [2., 2.],
- [2., 2.],
- [2., 2.],
- [2., 2.]])
torch.max()返回两个结果,第一个是最大值,第二个是对应的索引值;第二个参数 0 代表按列取最大值并返回对应的行索引值,1 代表按行取最大值并返回对应的列索引值。
- torch.max()[0], 只返回最大值的每个数
-
- troch.max()[1], 只返回最大值的每个索引
-
- torch.max()[1].data 只返回variable中的数据部分(去掉Variable containing:)
-
- torch.max()[1].data.numpy() 把数据转化成numpy ndarry
-
- torch.max()[1].data.numpy().squeeze() 把数据条目中维度为1 的删除掉
-
- torch.max(tensor1,tensor2) element-wise 比较tensor1 和tensor2 中的元素,返回较大的那个值
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。