要在 PyTorch 中對張量元素進行排序，我們可以使用 torch.sort() 方法。此方法返回兩個張量。第一個張量是包含元素排序值的張量，第二個張量是原始張量中元素的索引張量。我們可以計算 2D 張量，按行和按列。步驟匯入所需的庫。在以下所有 Python 示例中，所需的 Python 庫是 torch。確保您已安裝它。建立 PyTorch 張量並列印它。要對上面建立的張量的元素進行排序，請計算 torch.sort(input, dim)。將此值分配給一個新的... 閱讀更多

PyTorch 張量類似於 numpy 陣列。唯一的區別是張量利用 GPU 加速數值計算。張量的均值使用 torch.mean() 方法計算。它返回輸入張量中所有元素的均值。我們還可以按行和按列計算均值，提供合適的軸或 dim。張量的標準差使用 torch.std() 計算。它返回張量中所有元素的標準差。像均值一樣，我們還可以計算行或列的標準差。步驟匯入所需的庫。在以下所有... 閱讀更多

要在 PyTorch 中對兩個張量執行逐元素除法，我們可以使用 torch.div() 方法。它將第一個輸入張量的每個元素除以第二個張量的對應元素。我們還可以將張量除以標量。張量可以除以具有相同或不同維度的張量。最終張量的維度將與高維張量的維度相同。如果我們將一個 1D 張量除以一個 2D 張量，則最終張量將是一個 2D 張量。步驟匯入所需的庫。在以下所有 Python 示例中，所需的 Python... 閱讀更多

torch.mul() 方法用於在 PyTorch 中對張量執行逐元素乘法。它將張量的對應元素相乘。我們可以乘以兩個或多個張量。我們還可以乘以標量和張量。還可以相乘具有相同或不同維度的張量。最終張量的維度將與高維張量的維度相同。張量的逐元素乘法也稱為 Hadamard 積。步驟匯入所需的庫。在以下所有 Python 示例中，所需的 Python 庫是 torch。確保您已安裝它。定義兩個或多個 PyTorch 張量並列印它們。如果... 閱讀更多

要對張量執行逐元素減法，我們可以使用 PyTorch 的 torch.sub() 方法。張量的對應元素將被減去。我們可以從另一個張量中減去標量或張量。我們可以從具有相同或不同維度的張量中減去張量。最終張量的維度將與高維張量的維度相同。步驟匯入所需的庫。在以下所有 Python 示例中，所需的 Python 庫是 torch。確保您已安裝它。定義兩個或多個 PyTorch 張量並列印它們。如果您想減去標量，請定義... 閱讀更多

我們可以使用 torch.add() 對 PyTorch 中的張量執行逐元素加法。它將張量的對應元素相加。我們可以將標量或張量新增到另一個張量。我們可以將具有相同或不同維度的張量相加。最終張量的維度將與高維張量的維度相同。步驟匯入所需的庫。在以下所有 Python 示例中，所需的 Python 庫是 torch。確保您已安裝它。定義兩個或多個 PyTorch 張量並列印它們。如果您想新增標量，請定義它。將兩個或多個張量... 閱讀更多

要調整 PyTorch 張量的大小，我們使用 .view() 方法。我們可以增加或減少張量的維度，但我們必須確保張量中元素的總數在調整大小前後必須匹配。步驟匯入所需的庫。在以下所有 Python 示例中，所需的 Python 庫是 torch。確保您已安裝它。建立一個 PyTorch 張量並列印它。使用 .view() 調整上面建立的張量的大小並將值分配給一個變數。.view() 不會調整原始張量的大小；它只會提供一個具有新大小的檢視，因為它... 閱讀更多

我們可以使用 torch.cat() 和 torch.stack() 連線兩個或多個張量。torch.cat() 用於連線兩個或多個張量，而 torch.stack() 用於堆疊張量。我們可以沿不同的維度連線張量，例如 0 維、-1 維。torch.cat() 和 torch.stack() 都用於連線張量。那麼，這兩種方法的基本區別是什麼呢？torch.cat() 沿現有維度連線一系列張量，因此不會更改張量的維度。torch.stack() 沿新維度堆疊張量，因此它會增加維度。步驟匯入所需的庫。在以下所有示例中，... 閱讀更多

我們將張量的大小（或形狀）和張量中元素的數量作為張量的元資料進行訪問。要訪問張量的大小，我們使用 .size() 方法，並使用 .shape 訪問張量的形狀。.size() 和 .shape 都產生相同的結果。我們使用 torch.numel() 函式查詢張量中元素的總數。步驟匯入所需的庫。這裡，所需的庫是 torch。確保您已安裝 torch。定義 PyTorch 張量。查詢張量的元資料。使用 .size() 和 .shape 訪問大小和... 閱讀更多

PyTorch 張量類似於 numpy.ndarray。這兩者之間的區別在於張量利用 GPU 加速數值計算。我們使用函式 torch.from_numpy() 將 numpy.ndarray 轉換為 PyTorch 張量。並且張量使用 .numpy() 方法轉換為 numpy.ndarray。步驟匯入所需的庫。這裡，所需的庫是 torch 和 numpy。建立一個 numpy.ndarray 或 PyTorch 張量。使用 torch.from_numpy() 函式將 numpy.ndarray 轉換為 PyTorch 張量，或使用 .numpy() 方法將 PyTorch 張量轉換為 numpy.ndarray。最後，列印轉換後的張量或 numpy.ndarray。示例 1以下 Python 程式將 numpy.ndarray 轉換為 PyTorch 張量。# 匯入... 閱讀更多