Kauf mir einen Kaffee☕
*Memos:
- Mein Beitrag erklärt atleast_2d().
- Mein Beitrag erklärt atleast_3d().
atleast_1d() kann die Ansicht eines oder mehrerer 1D- oder mehrerer D-Tensoren von null oder mehr Elementen erhalten, indem nur ein oder mehrere 0D-Tensoren in einen oder mehrere 1D-Tensoren von einem oder mehreren 0D- oder mehreren D-Tensoren von geändert werden Null oder mehr Elemente, wie unten gezeigt:
*Memos:
- atleast_1d() kann mit Torch, aber nicht mit einem Tensor verwendet werden.
- Das erste oder mehrere Argumente mit Torch sind *Tensoren (erforderlicher Typ: Tensor von int, float, complex oder bool oder Tupel oder Liste von Tensoren von int, float, complex oder bool):
*Memos:
- Wenn mehr als ein Tensor festgelegt wird, wird ein Tupel von Tensoren zurückgegeben, andernfalls wird ein Tensor zurückgegeben.
- Verwenden Sie kein Schlüsselwort wie *tensors=, tensor oder input.
- Wenn keine Argumente festgelegt werden, wird ein leeres Tupel zurückgegeben.
import torch tensor0 = torch.tensor(2) # 0D tensor torch.atleast_1d(tensor0) # tensor([2]) tensor0 = torch.tensor(2) # 0D tensor tensor1 = torch.tensor([2, 7, 4]) # 1D tensor tensor2 = torch.tensor([[2, 7, 4], [8, 3, 2]]) # 2D tensor tensor3 = torch.tensor([[[2, 7, 4], [8, 3, 2]], # 3D tensor [[5, 0, 8], [3, 6, 1]]]) tensor4 = torch.tensor([[[[2, 7, 4], [8, 3, 2]], # 4D tensor [[5, 0, 8], [3, 6, 1]]], [[[9, 4, 7], [1, 0, 5]], [[6, 7, 4], [2, 1, 9]]]]) torch.atleast_1d(tensor0, tensor1, tensor2, tensor3, tensor4) torch.atleast_1d((tensor0, tensor1, tensor2, tensor3, tensor4)) # (tensor([2]), # tensor([2, 7, 4]), # tensor([[2, 7, 4], [8, 3, 2]]), # tensor([[[2, 7, 4], [8, 3, 2]], # [[5, 0, 8], [3, 6, 1]]]), # tensor([[[[2, 7, 4], [8, 3, 2]], # [[5, 0, 8], [3, 6, 1]]], # [[[9, 4, 7], [1, 0, 5]], # [[6, 7, 4], [2, 1, 9]]]])) tensor0 = torch.tensor(2) # 0D tensor tensor1 = torch.tensor([2, 7, 4]) # 1D tensor tensor2 = torch.tensor([[2., 7., 4.], # 2D tensor [8., 3., 2.]]) tensor3 = torch.tensor([[[2.+0.j, 7.+0.j, 4.+0.j], # 3D tensor [8.+0.j, 3.+0.j, 2.+0.j]], [[5.+0.j, 0.+0.j, 8.+0.j], [3.+0.j, 6.+0.j, 1.+0.j]]]) tensor4 = torch.tensor([[[[True, False, True], [False, True, False]], [[True, False, True], [False, True, False]]], [[[True, False, True], [False, True, False]], [[True, False, True], [False, True, False]]]]) # 4D tensor torch.atleast_1d(tensor0, tensor1, tensor2, tensor3, tensor4) # (tensor([2]), # tensor([2, 7, 4]), # tensor([[2., 7., 4.], # [8., 3., 2.]]), # tensor([[[2.+0.j, 7.+0.j, 4.+0.j], # [8.+0.j, 3.+0.j, 2.+0.j]], # [[5.+0.j, 0.+0.j, 8.+0.j], # [3.+0.j, 6.+0.j, 1.+0.j]]]), # tensor([[[[True, False, True], [False, True, False]], # [[True, False, True], [False, True, False]]], # [[[True, False, True], [False, True, False]], # [[True, False, True], [False, True, False]]]])) torch.atleast_1d() # ()
Das obige ist der detaillierte Inhalt vonatleast_in PyTorch. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

PythonlistscanstoreanyDatatype, ArrayModulearraysStoreOnetype und NumpyarraysarefornumericalComputations.1) listet dieArversatile-memory-effizient.2) Arraymodulenarraysalememory-effizientforhomogeneData.3) Numpharraysareoptional-EffictionhomogenInData.3) nummodulenarraysoptionalinformanceIntata.3) nummodulearraysoptionalinformanceIntata.3) NumpharraysareoPresopplowancalinScesDataa.3) NumpharraysoePerformance

Wenn SietostoreavalueOfThewrongdatatypeinapythonarray, touencounteratypeerror.Thissisdustuetothearraymodules -SstrictTypeNeen -Forcortion, welche

PythonlistsarePartThestandardlibrary, whilearraysarenot.listarebuilt-in, vielseitig und UNDUSEDFORSPORINGECollections, während dieArrayRay-thearrayModulei und loses und loses und losesaluseduetolimitedFunctionality.

ThescriptisrunningwithTheWrongPythonversionDuetoincorrectDefaultinterpretersettings.tofixthis: 1) checkHedEfaultpythonversionusingPython-Versionorpython3-Version.2) Verwenden von VirtualenVirmentsByCreatingonewithpython3.9-mvenvmyenv, und -Averifikation und -Averifikation

PythonarraysSupportvariousoperationen: 1) SlicicingExtractsSubsets, 2) Anhang/Erweiterungen, 3) Einfügen von PlaceSelementsatspezifischePositionen, 4) Entfernen von Delettel, 5) Sortieren/ReversingChangesorder und 6) compredewlistenwlists basierte basierte, basierte Zonexistin

NumpyarraysaresessentialForApplicationsRequeeFoughnumericalComputations und Datamanipulation

UseanArray.ArrayoveralistinpythonwhendealingwithhomogenousData, Performance-CriticalCode, OrInterfacingwithCcode.1) HomogenousData: ArraysSavemoryWithtypedElements.2) Performance-CriticalCode: ArraySaveMoryWithtypedElements.2) Performance-CriticalCode: ArraysFerbetterPerPterPerProrMtorChorescomeChormericalcoricalomancomeChormericalicalomentorMentumscritorcorements.3) Interf

Nein, NOTALLLISTOPERATIONSARESURDEDBYARAYS UNDVICEVERSA.1) ArraysDonotsupportdynamicoperationslikeAppendorinStResizing, die impactSperformance.2) listsDonotguaranteConstantTimeComplexityfordirectAccesslikearraysDo.


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

SublimeText3 Englische Version
Empfohlen: Win-Version, unterstützt Code-Eingabeaufforderungen!

SecLists
SecLists ist der ultimative Begleiter für Sicherheitstester. Dabei handelt es sich um eine Sammlung verschiedener Arten von Listen, die häufig bei Sicherheitsbewertungen verwendet werden, an einem Ort. SecLists trägt dazu bei, Sicherheitstests effizienter und produktiver zu gestalten, indem es bequem alle Listen bereitstellt, die ein Sicherheitstester benötigen könnte. Zu den Listentypen gehören Benutzernamen, Passwörter, URLs, Fuzzing-Payloads, Muster für vertrauliche Daten, Web-Shells und mehr. Der Tester kann dieses Repository einfach auf einen neuen Testcomputer übertragen und hat dann Zugriff auf alle Arten von Listen, die er benötigt.

Dreamweaver Mac
Visuelle Webentwicklungstools

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

PHPStorm Mac-Version
Das neueste (2018.2.1) professionelle, integrierte PHP-Entwicklungstool
