IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> 05-pytorch中Tensor的存储 -> 正文阅读

[人工智能]05-pytorch中Tensor的存储

作者:recommend-item-box type_blog clearfix

1. Storage

Storage概述

  • t e n s o r tensor tensor 分为头信息区 ( T e n s o r ) (Tensor) (Tensor)和存储区 ( S t o r a g e ) (Storage) (Storage)
  • 信息区 ( T e n s o r ) (Tensor) (Tensor)主要保存着 t e n s o r tensor tensor 的形状 ( s i z e ) (size) (size)、步长 ( s t r i d e ) (stride) (stride)、数据类型 ( t y p e ) (type) (type)等信息,而真正的数据则保存成连续数组,存储在存储区 ( S t o r a g e ) (Storage) (Storage)
  • 因为数据动辄成千上万,因此信息区元素占用内存较少,主要内存占用取决于 t e n s o r tensor tensor 中元素的数目,即存储区的大小。
  • 不同的 t e n s o r tensor tensor 的头信息一般不同,但是可能使用相同的 s t o r a g e storage storage
    在这里插入图片描述

操作Storage

  1. 查看 S t o r a g e Storage Storage
import torch
t = torch.tensor([[1,2,3],[4,5,6],[7,8,9]])
t.storage()

在这里插入图片描述

  1. 索引 S t o r a g e Storage Storage
import torch
t = torch.tensor([[1,2,3],[4,5,6],[7,8,9]])
t.storage()[1]

在这里插入图片描述

  1. 更改 S t o r a g e Storage Storage
import torch
t = torch.tensor([[1,2,3],[4,5,6],[7,8,9]])
t.storage()[1]=10
t.storage()

在这里插入图片描述

2. offset

s t o r a g e _ o f f s e t : storage\_offset: storage_offset t e n s o r tensor tensor 的第一个元素在 s t o r a g e storage storage 中的索引。

import torch

x = torch.tensor([1, 2, 3, 4, 5])
x.storage_offset()
x[3:].storage_offset()

在这里插入图片描述

3. stride

  • s t r i d e stride stride s t o r a g e storage storage 中对应于 t e n s o r tensor tensor 的相邻维度间第一个索引的跨度,也叫步长。
  • 当我们根据下标索引查找 t e n s o r tensor tensor 中的任意元素时,将某维度的下标索引和对应的步长相乘,然后将所有维度乘积相加就可以了。根据 t e n s e r tenser tenser 中的索引 i , j i,j i,j 查找 s t o r a g e storage storage 中对应索引的公式是 s t o r a g e _ o f f s e t + s t r i d e [ 0 ] ? i + s t r i d e [ 1 ] ? j storage\_offset+stride[0]*i+stride[1]*j storage_offset+stride[0]?i+stride[1]?j,因为是从 s t o r a g e storage storage 的开头查找,所以 s t o r a g e _ o f f s e t = 0 storage\_offset=0 storage_offset=0
    在这里插入图片描述
    示例:上图是一个 s t o r a g e storage storage,与它对应的 t e n s o r ( [ [ 1.0 , 2.0 , 3.0 ] , [ 4.0 , 5.0 , 6.0 ] ] ) tensor([[1.0,2.0,3.0], [4.0,5.0,6.0]]) tensor([[1.0,2.0,3.0],[4.0,5.0,6.0]]) 如下图所示:
    在这里插入图片描述
    那么 t e n s o r tensor tensor s t r i d e = ( 3 , 1 ) stride=(3,1) stride=(3,1),因为从第一行的第一个索引到第二行第一个索引跨度是 3 3 3,从第一列到第二列的跨度是 1 1 1
import torch
t = torch.tensor([[[1,3,5],[2,4,6]],
                 [[1,3,5],[2,4,6]]])
t.stride()

在这里插入图片描述

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-08-07 12:05:08  更:2021-08-07 12:07:04 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/22 16:14:32-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码