torch.narrow()基本用法介绍

简介: torch.narrow(input,dim,start,length)

torch.narrow(input,dim,start,length)

  • input 张量中返回一个范围限制后的 张量,范围限制条件为:沿维度dimstartstart+length 的范围区间,类似于数组切片用法,返回的张量与 input 张量共享相同储存基础


参数

  • input(Tensor) ,需处理的张量;
  • dim(int),沿着限制的轴;
  • start(int) ,张量起始点;
  • length(int) ,缩窄长度;


例子如下

rand_float = torch.randn((5,3))# 随机生成 5*3数据
rand_float
>>>
tensor([[-0.4972, -0.1363, -1.8918],
        [ 1.2994, -1.0091,  0.1862],
        [ 0.5525,  1.3073,  1.3741],
        [-1.7242, -0.3593, -0.7546],
        [-0.3328,  0.3333,  0.0096]])
rand_float.narrow(0,1,2)# 沿第一维度开始,第一行为开始,长度为2
>>>
tensor([[ 1.2994, -1.0091,  0.1862],
        [ 0.5525,  1.3073,  1.3741]])
相关文章
|
6天前
|
机器学习/深度学习 PyTorch 算法框架/工具
torch.nn.Linear的使用方法
torch.nn.Linear的使用方法
68 0
|
机器学习/深度学习 PyTorch 算法框架/工具
RGCN的torch简单案例
RGCN 是指 Relational Graph Convolutional Network,是一种基于图卷积神经网络(GCN)的模型。与传统的 GCN 不同的是,RGCN 可以处理具有多种关系(边)类型的图数据,从而更好地模拟现实世界中的实体和它们之间的复杂关系。 RGCN 可以用于多种任务,例如知识图谱推理、社交网络分析、药物发现等。以下是一个以知识图谱推理为例的应用场景: 假设我们有一个知识图谱,其中包含一些实体(如人、物、地点)以及它们之间的关系(如出生于、居住在、工作于)。图谱可以表示为一个二元组 (E, R),其中 E 表示实体的集合,R 表示关系的集合,每个关系 r ∈ R
1064 0
|
PyTorch 算法框架/工具
pytorch中torch.clamp()使用方法
pytorch中torch.clamp()使用方法
329 0
pytorch中torch.clamp()使用方法
|
6月前
|
Python
Python的reshape的用法:reshape(1,-1)、reshape(-1,1)
Python的reshape的用法:reshape(1,-1)、reshape(-1,1)
114 0
torch.argmax(dim=1)用法
)torch.argmax(input, dim=None, keepdim=False)返回指定维度最大值的序号;
547 0
|
11月前
|
PyTorch 算法框架/工具
【PyTorch简明教程】torch.Tensor()与torch.tensor()的区别
【PyTorch简明教程】torch.Tensor()与torch.tensor()的区别
91 0
|
存储 测试技术
测试模型时,为什么要with torch.no_grad(),为什么要model.eval(),如何使用with torch.no_grad(),model.eval(),同时使用还是只用其中之一
在测试模型时,我们通常使用with torch.no_grad()和model.eval()这两个方法来确保模型在评估过程中的正确性和效率。
620 0
|
PyTorch 算法框架/工具
torch.split 的用法
这将返回一个元组,包含 3 个大小分别为 (6, 2)、(6, 2) 和 (6, 4) 的张量。 需要注意的是,当给定的拆分大小不等于张量在指定维度上的大小时,torch.split() 会引发一个异常。
375 0
|
PyTorch 算法框架/工具 Python
查看torch中的所有函数
hspmm hstack hub hypot i0 i0_ igamma igammac iinfo imag import_ir_module import_ir_module_from_buffer index_add index_copy index_fill index_put index_put_ index_select init_num_t
304 0