pytorch使用 ... 进行高级索引切片

简介: pytorch使用 ... 进行高级索引切片

pytorch源码中我们有时会看到 a[...] 这种写法,其实这就是一种切片操作,它用于省略任意多个维度,可以用在切片的中间,也可以用在首尾。

举个应用场景,现有一个张量维度为【10,3,5,7,9】,我们想提取第一个维度的第一个数据,最后一个维度的最后一个数据,中间三个维度的数据全要。

如果按照一般的切片,我们写法应该是:

a[0, :, :, :, 8].shape
torch.Size([3, 5, 7])

但是如果我们的数据维度过高,用 : 过于麻烦,这时我们就可以使用 ... 指代中间所有维度:

print(a[0, ..., 8].shape)


目录
相关文章
|
1月前
|
机器学习/深度学习 PyTorch 算法框架/工具
PyTorch深度学习基础之Tensor的索引和切片讲解及实战(附源码 简单易懂)
PyTorch深度学习基础之Tensor的索引和切片讲解及实战(附源码 简单易懂)
104 0
|
PyTorch 算法框架/工具 索引
pytorch使用None索引进行维度扩展
pytorch使用None索引进行维度扩展
157 0
|
PyTorch 算法框架/工具 索引
pytorch使用布尔索引获取指定维度元素
pytorch使用布尔索引获取指定维度元素
229 0
|
机器学习/深度学习 存储 数据挖掘
PyTorch: 张量的拼接、切分、索引
PyTorch: 张量的拼接、切分、索引
188 0
PyTorch: 张量的拼接、切分、索引
|
1月前
|
机器学习/深度学习 编解码 PyTorch
Pytorch实现手写数字识别 | MNIST数据集(CNN卷积神经网络)
Pytorch实现手写数字识别 | MNIST数据集(CNN卷积神经网络)
|
12天前
|
机器学习/深度学习 自然语言处理 算法
【从零开始学习深度学习】49.Pytorch_NLP项目实战:文本情感分类---使用循环神经网络RNN
【从零开始学习深度学习】49.Pytorch_NLP项目实战:文本情感分类---使用循环神经网络RNN
|
12天前
|
机器学习/深度学习 PyTorch 算法框架/工具
【从零开始学习深度学习】30. 神经网络中批量归一化层(batch normalization)的作用及其Pytorch实现
【从零开始学习深度学习】30. 神经网络中批量归一化层(batch normalization)的作用及其Pytorch实现
|
12天前
|
机器学习/深度学习 PyTorch 算法框架/工具
【从零开始学习深度学习】36. 门控循环神经网络之长短期记忆网络(LSTM)介绍、Pytorch实现LSTM并进行训练预测
【从零开始学习深度学习】36. 门控循环神经网络之长短期记忆网络(LSTM)介绍、Pytorch实现LSTM并进行训练预测
|
12天前
|
机器学习/深度学习 PyTorch 算法框架/工具
【从零开始学习深度学习】16. Pytorch中神经网络模型的构造方法:Module、Sequential、ModuleList、ModuleDict的区别
【从零开始学习深度学习】16. Pytorch中神经网络模型的构造方法:Module、Sequential、ModuleList、ModuleDict的区别
|
1月前
|
机器学习/深度学习 JSON PyTorch
图神经网络入门示例:使用PyTorch Geometric 进行节点分类
本文介绍了如何使用PyTorch处理同构图数据进行节点分类。首先,数据集来自Facebook Large Page-Page Network,包含22,470个页面,分为四类,具有不同大小的特征向量。为训练神经网络,需创建PyTorch Data对象,涉及读取CSV和JSON文件,处理不一致的特征向量大小并进行归一化。接着,加载边数据以构建图。通过`Data`对象创建同构图,之后数据被分为70%训练集和30%测试集。训练了两种模型:MLP和GCN。GCN在测试集上实现了80%的准确率,优于MLP的46%,展示了利用图信息的优势。
33 1