Pytorch 使用小技巧总结

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

Pytorch 使用小技巧总结

• 前言
• Pytorch 基础
• Pytorch 深度学习
• • • nn.AdaptiveAvgPool2d在参数中只指定了输出的大小（1，1）。
    • torch.stack
    • • • dim=0
        • dim=1（将维度为1的部分进行整合）
        • dim=2 （将维度为2的部分进行整合）

---

前言

提示：这里可以添加本文要记录的大概内容：

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

Pytorch 基础

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

Pytorch 深度学习 nn.AdaptiveAvgPool2d在参数中只指定了输出的大小（1，1）。

#这里1就是他的output的size为多少，它不需要输入尺寸
 out =nn.AdaptiveAvgPool2d(1)(out)

torch.stack

import torch
import numpy as np
# 创建3*3的矩阵，a、b
a=np.array([[1,2,3],[4,5,6],[7,8,9]])
b=np.array([[10,20,30],[40,50,60],[70,80,90]])
# 将矩阵转化为Tensor
a = torch.from_numpy(a)
b = torch.from_numpy(b)
# 打印a、b
output：
tensor([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]], dtype=torch.int32)
tensor([[10, 20, 30],
        [40, 50, 60],
        [70, 80, 90]], dtype=torch.int32)

dim=0

d = torch.stack((a, b), dim=0)
print(d)
print(d.size())
tensor([[[ 1,  2,  3],
         [ 4,  5,  6],
         [ 7,  8,  9]],

        [[10, 20, 30],
         [40, 50, 60],
         [70, 80, 90]]], dtype=torch.int32)

dim=1（将维度为1的部分进行整合）

d = torch.stack((a, b), dim=1)
print(d)
print(d.size())
tensor([[[ 1,  2,  3],
         [10, 20, 30]],

        [[ 4,  5,  6],
         [40, 50, 60]],

        [[ 7,  8,  9],
         [70, 80, 90]]], dtype=torch.int32)

dim=2 （将维度为2的部分进行整合）

d = torch.stack((a, b), dim=2)
print(d)
print(d.size())
tensor([[[ 1, 10],
         [ 2, 20],
         [ 3, 30]],

        [[ 4, 40],
         [ 5, 50],
         [ 6, 60]],

        [[ 7, 70],
         [ 8, 80],
         [ 9, 90]]], dtype=torch.int32)