欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python变量(杂)不定时更新

程序员文章站 2023-12-28 20:31:34
cuda上面的变量类型只能是tensor,不能是其他...

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。

  • 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

上一篇:

下一篇: