我要评论记录遇到的一些问题以及知识点。。菜鸟一只，有问题欢迎批评指正。
一
- cuda上面的变量类型只能是tensor，不能是其他的类型。、
- 将cuda上的tensor转换为numpy:
>>>A.cpu().detach().numpy() #转换为cpu模式，截断梯度反向传播，转numpy
二、ndarray
- numpy: 可采用ones/ zeros/ eye/ diag/ random.randint等创建矩阵
- 对于ndarray求和如：
>>>a = np.random.randint(0,30,(2,3))
>>> a
array([[22, 11, 1],
[ 8, 21, 27]])
>>> l = []
>>> l.append(a)
>>> l
[array([[22, 11, 1],
[ 8, 21, 27]])]
>>> b = np.random.randint(0,30,(2,3))
>>> b
array([[16, 5, 16],
[18, 7, 25]])
>>> l.append(b)
>>> c = np.random.randint(0,30,(2,3))
>>> l.append(c)
>>> l
[array([[22, 11, 1],
[ 8, 21, 27]]), array([[16, 5, 16],
[18, 7, 25]]), array([[17, 15, 0],
[24, 29, 20]])]
>>> sum(l)
array([[55, 31, 17],
[50, 57, 72]])
>>> sum(l)/6
array([[ 9.16666667, 5.16666667, 2.83333333],
[ 8.33333333, 9.5 , 12. ]])
- 查看array中是否有nan(Not A Number，任何与nan相关的计算都返回nan)
查看是否为nan值：True为nan
>>> np.isnan(array)
判断array中有无nan值：np.isnan(array).any()。
1> .any()：如果所有元素均为空、0、false，则返回False，否则为True。(有一个真"True"，则真"True"；所有元素均假"False",才假"False"）
>>> np.array([0,1,2,3]).any()
True
>>> np.array([6,1,2,3]).any()
True
>>> np.array([0,0,0,0]).any()
False
2> .all()：可判断array中有无为False的元素（0、空、None、False均为False），如果有，则为False，否则为True.（所有均真"True"，才真"True"；有一个元素假"False",则假"False"）
>>> np.array([6,1,2,3]).all()
True
>>> np.array([0,1,2,3]).all()
False
>>> np.array([0,0,0,0]).all()
False
- np.repeat，np.tile()复制
三、tensor
>>>torch.mm(A,B) #矩阵A,B相乘（只用于二维）高维应用torch.matmul()
>>>torch.mul(A,B) #矩阵A,B对应位相乘，矩阵维度不同时会自动填充
>>>torch.randn(2,3) #生成2X3的正态分布的的tensor
>>>torch.mean() #求均值，可指定维度
>>>torch.pow(A,n) #对A中各元素求n次幂
>>>torch.add(A,n) #A中各元素值均加n；torch.add(A,n,b)A中各元素加n*b
>>>torch.div(A,B) #或torch.div(A,n)前者为两张量对应位相除，后者为A逐位除标量n
参考
本文地址：https://blog.csdn.net/weixin_43897173/article/details/107114088
您可能感兴趣的文章:
如您对本文有疑问或者有任何想说的，请 点击进行留言回复，万千网友为您解惑！
网友评论