torchvision.io 包提供執行不同 IO 操作的功能。要計算邊界框或一組邊界框的面積，torchvision.io 包提供了 box_area() 函式。此函式將邊界框作為輸入引數，並返回每個框的面積。邊界框應為大小為 [N, 4] 的 torch 張量，其中 N 是要計算面積的邊界框的數量。每個邊界框由座標 (xmin, ymin, xmax, ymax) 指定。換句話說 - 0 ≤ xmin < xmax，且 0 ≤ ymin < ymax。…… 閱讀更多

torchvision.utils 包提供了 draw_bounding_boxes() 函式，用於在影像上繪製邊界框。它支援形狀為 (C x H x W) 的 torch 張量型別的影像，其中 C 是通道數，W 和 H 分別是影像的寬度和高度。如果我們使用 Pillow 或 OpenCV 讀取影像，則必須先將其轉換為 torch 張量。我們可以在影像上繪製一個或多個邊界框。此函式返回一個帶有繪製邊界框的 dtype 為 uint8 的影像張量。邊界框應為 torch 張量…… 閱讀更多

讀取影像在影像處理或計算機視覺相關任務中非常重要。torchvision.io 包提供執行不同 IO 操作的功能。要讀取影像，torchvision.io 包提供了 image_read() 函式。此函式讀取 JPEG 和 PNG 影像。它返回一個 3D RGB 或灰度張量。張量的三個維度對應於 [C, H, W]。C 是通道數，W 和 H 分別是影像的寬度和高度。對於 RGB，通道數為 3。因此，讀取影像的輸出是一個 [3, H, W] 的張量。…… 閱讀更多

要計算矩陣相對於矩陣範數的條件數，我們可以應用 torch.linalg.cond() 方法。它返回一個包含計算出的條件數的新張量。它接受一個矩陣、一批矩陣以及矩陣批次。矩陣是一個 2D torch 張量。它支援浮點、雙精度、複數浮點和複數雙精度資料型別語法torch.linalg.cond(M, p=None)引數M – 矩陣或矩陣批次。p – 用於計算條件數的矩陣範數型別。預設矩陣範數為 2-範數。它返回一個實值條件數張量。步驟我們可以使用以下步驟來計算…… 閱讀更多

要計算方陣的偽逆，我們可以應用 torch.linalg.pinv() 方法。它返回一個包含給定矩陣偽逆的新張量。它接受一個矩陣、一批矩陣以及矩陣批次。矩陣是一個 2D torch 張量。它支援浮點、雙精度、複數浮點和複數雙精度資料型別。語法torch.linalg.pinv(M)其中 M 是矩陣或矩陣批次。步驟我們可以使用以下步驟來計算矩陣的偽逆-匯入所需的庫。在以下所有示例中，所需的 Python 庫是 torch。確保您已安裝它。import torch定義一個矩陣。…… 閱讀更多

要計算方陣的逆，我們可以應用 torch.linalg.inv() 方法。它返回一個包含給定矩陣逆的新張量。它接受一個方陣、一批方陣以及方陣批次。矩陣是一個 2D torch 張量。它支援浮點、雙精度、複數浮點和複數雙精度資料型別。當且僅當方陣可逆時，逆矩陣才存在。語法torch.linalg.inv(M)其中 M 是方陣或方陣批次。它返回逆矩陣。步驟我們可以使用以下步驟來計算方陣的逆-匯入…… 閱讀更多

要解具有唯一解的方程組，我們可以應用 torch.linalg.solve() 方法。此方法採用兩個引數-首先是係數矩陣 A，其次是右手張量 b。其中 A 是方陣，b 是向量。如果 A 可逆，則解是唯一的。我們可以解多個方程組。在這種情況下，A 是一批方陣，b 是一批向量。語法torch.linalg.solve(A, b)引數A – 方陣或方陣批次。它是方程組的係數矩陣。b – 向量或批次…… 閱讀更多

torch.linalg.qr() 計算矩陣或矩陣批次的 QR 分解。它接受浮點、雙精度、複數浮點和複數雙精度資料型別的矩陣和矩陣批次。它返回一個命名元組 (Q, R)。當矩陣為實值時，Q 為正交的；當矩陣為復值時，Q 為酉的。R 是上三角矩陣。語法(Q, R) = torch.linalg.qr(mat, mode='reduced')引數Mat – 方陣或方陣批次。mode – 它決定 QR 分解的模式。它設定為三種模式之一，“reduced”、“complete”和“r”。預設為“reduced”。這是一個可選引數。步驟匯入所需的庫。在…… 閱讀更多

torch.linalg.eig() 計算方陣或方陣批次的特徵值分解。它接受浮點、雙精度、複數浮點和複數雙精度資料型別的矩陣和矩陣批次。它返回一個命名元組 (特徵值，特徵向量)。特徵值和特徵向量始終為復值。特徵向量由特徵向量的列給出。語法(特徵值，特徵向量) = torch.linalg.eig(A)其中 A 是方陣或方陣批次。它返回一個命名元組 (特徵值，特徵向量)。步驟匯入所需的庫。在以下所有示例中，所需的 Python 庫是 torch。確保您已安裝它。import torch建立一個方陣…… 閱讀更多

要計算向量或矩陣的範數，我們可以應用 torch.linalg.norm() 方法。它返回一個包含計算出的範數的新張量。它接受向量、矩陣、矩陣批次以及矩陣批次。向量是一個 1D torch 張量，而矩陣是一個 2D torch 張量。它支援浮點、雙精度、複數浮點和複數雙精度資料型別。我們可以沿著不同的維度計算矩陣或矩陣批次的範數。例如，我們可以沿著維度 0 或沿著維度 1 計算矩陣的範數。語法torch.linalg.norm(A)A 是向量、矩陣或批次…… 閱讀更多