百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

pytorch的切片操作和原地赋值(pytorch切片选取元素)

ztj100 2024-11-14 19:24 22 浏览 0 评论

切片

与python的数组操作类似,pytorch的张量也支持切片操作。

构建一个4行5列的二维数组。

import torch
x = torch.arange(20).reshape(4,5)



通过切片取出前2行的数据。

x[0:2]


也可以通过切片操作给张量赋值。

给第一行的数据赋值为0

x[0:1,:]=0


原地赋值

张量在运算的过程中会申请新的内存地址,即使是同一个张量。

先来看个例子。

先构建2个张量x,y

x=torch.tensor([1])
y=torch.tensor([2])

使用函数查看张量x的内存地址为:2182261278336


将x与y相加,重新赋值给x,再查看下x的内存地址:2182257581408


可以看到前后2次查询的内存地址是不一样的,在运算过程中申请了新的内存空间,这会导致运算开销变大。

可以使用切片操作,使用原有的内存空间。

x=torch.tensor([1])
y=torch.tensor([2])
id(x)
x[:]=x+y
id(x)

再次查看运算前后的内存地址,这次就一样了,说明没有申请新的内存空间。


除了使用切片减少内存空间也可以使用+=操作。

x=torch.tensor([1])
y=torch.tensor([2])
id(x)
x+=y
id(x)


相关推荐

再说圆的面积-蒙特卡洛(蒙特卡洛方法求圆周率的matlab程序)

在微积分-圆的面积和周长(1)介绍微积分方法求解圆的面积,本文使用蒙特卡洛方法求解圆面积。...

python编程:如何使用python代码绘制出哪些常见的机器学习图像?

专栏推荐...

python创建分类器小结(pytorch分类数据集创建)

简介:分类是指利用数据的特性将其分成若干类型的过程。监督学习分类器就是用带标记的训练数据建立一个模型,然后对未知数据进行分类。...

matplotlib——绘制散点图(matplotlib散点图颜色和图例)

绘制散点图不同条件(维度)之间的内在关联关系观察数据的离散聚合程度...

python实现实时绘制数据(python如何绘制)

方法一importmatplotlib.pyplotaspltimportnumpyasnpimporttimefrommathimport*plt.ion()#...

简单学Python——matplotlib库3——绘制散点图

前面我们学习了用matplotlib绘制折线图,今天我们学习绘制散点图。其实简单的散点图与折线图的语法基本相同,只是作图函数由plot()变成了scatter()。下面就绘制一个散点图:import...

数据分析-相关性分析可视化(相关性分析数据处理)

前面介绍了相关性分析的原理、流程和常用的皮尔逊相关系数和斯皮尔曼相关系数,具体可以参考...

免费Python机器学习课程一:线性回归算法

学习线性回归的概念并从头开始在python中开发完整的线性回归算法最基本的机器学习算法必须是具有单个变量的线性回归算法。如今,可用的高级机器学习算法,库和技术如此之多,以至于线性回归似乎并不重要。但是...

用Python进行机器学习(2)之逻辑回归

前面介绍了线性回归,本次介绍的是逻辑回归。逻辑回归虽然名字里面带有“回归”两个字,但是它是一种分类算法,通常用于解决二分类问题,比如某个邮件是否是广告邮件,比如某个评价是否为正向的评价。逻辑回归也可以...

【Python机器学习系列】拟合和回归傻傻分不清?一文带你彻底搞懂

一、拟合和回归的区别拟合...

推荐2个十分好用的pandas数据探索分析神器

作者:俊欣来源:关于数据分析与可视化...

向量数据库:解锁大模型记忆的关键!选型指南+实战案例全解析

本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...

用Python进行机器学习(11)-主成分分析PCA

我们在机器学习中有时候需要处理很多个参数,但是这些参数有时候彼此之间是有着各种关系的,这个时候我们就会想:是否可以找到一种方式来降低参数的个数呢?这就是今天我们要介绍的主成分分析,英文是Princip...

神经网络基础深度解析:从感知机到反向传播

本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...

Python实现基于机器学习的RFM模型

CDA数据分析师出品作者:CDALevelⅠ持证人岗位:数据分析师行业:大数据...

取消回复欢迎 发表评论: