pytorch nonzero(), torch.unique()

最新推荐文章于 2024-11-28 08:15:00 发布
原创 最新推荐文章于 2024-11-28 08:15:00 发布 · 619 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch #python

本文介绍了PyTorch中的两个重要函数：nonzero()和unique()。nonzero()函数用于找到张量中非零元素的索引，即使在多维张量中，也会将索引放在一个列表中。而unique()函数则用于提取张量中的唯一不重复元素，这对于数据预处理和特征提取非常有用。这两个函数在理解和操作张量数据时扮演关键角色。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

nonzero()

以张量的形式返回非0元素的索引，不管有几维，维度索引都放在一个“列表”中

import torch

a =torch.Tensor([1,2,4,4,5])
print(torch.nonzero(a<4))

torch.unique()

挑出tensor中的独立不重复元素。

Pytorch学习(二十九) ------------torch.split与torch.roll结合进行的一种高端操作
Hungryof的专栏
02-18 1822
How to reverse a multi-hot encoding ? multihot_batch = torch.tensor([[0,1,0,1], [0,0,0,1], [0,0,1,1]]) (multihot_batch == torch.tensor(1)).nonzero() tensor([[0, 1], [0, 3], [1, 3], [2, 2], [2, 3]]) 希望得到 [[1, 3], [3], [2, 3]
深度学习开发入门（三）——PyTorch深度学习基础
2202_75671186的博客
03-24 1049
Tensor对象是一个任意维度的矩阵，但是Tensor中所有元素的数据类型必须一致。torch包含的数据类型和普遍编程语言的数据类型类似，包含浮点型、有符号整型和无符号整型。这些类型既可以定义在CPU上，也可以定义在GPU上。在使用Tensor数据类型时，可以通过dtype属性指定它的数据类型，device指定它的设备（CPU或者GPU）。通过device在GPU上定义变量后，可以在终端上通过nvidia-smi命令查看显存占用。torch还支持在CPU和GPU之间复制变量。
【pytorch】——torch.unique
m0_45388819的博客
12-13 5484
【pytorch】——torch.unique 官方文档 torch.unique(input, sorted=True, return_inverse=False, return_counts=False, dim=None) 默认参数说明 input: 待处理Tensor sorted: 是否对处理后的不包含重复元素的Tensor进行升序排列（sorted=True表示进行升序排列，sorted=False并非表示降序排列，这点容易混淆，可以看下面例1） return_inverse: 是否返回待处
torch.unique()
热门推荐
t20134297的博客
08-26 3万+
torch.unique()的功能类似于数学中的集合，就是挑出tensor中的独立不重复元素。 这个方法的参数在官方解释文档中有这么几个:torch.unique(input, sorted=True, return_inverse=False, return_counts=False, dim=None) input: 待处理的tensor sorted：是否对返回的无重复张量按照数值进行排列，默认是生序排列的 return_inverse: 是否返回原始tensor中的每个元素在这个无重复的张量
【Torch API】torch.unique()用法详解
devil_son1234的博客
11-28 1679
torch.unique()方法简介
Pytorch简单一览表
qq_54590641的博客
06-21 278
复习Pytorch的文件
利用PyTorch Profiler实现大模型的性能分析和故障排查
最新发布
2401_88127808的博客
11-28 2155
什么是PyTorch Profiler？PyTorch作为一款应用于深度学习领域的库，其影响力日益显著。PyTorch Profiler是PyTorch生态中的一个组件，用来帮助开发者分析大规模深度学习模型的性能。该组件不仅收集GPU硬件层面的数据，还同步整合PyTorch框架内的运行信息，通过这种深层次的数据关联，自动识别模型执行过程中的瓶颈问题，并提出具体的改进建议，所有收集到的信息经过整理后，均能在TensorBoard上直观展示。
PyTorch深度学习
Ting_28的博客
03-14 1704
Tensor对象是一个任意维度的矩阵，但是一个Tensor中所有元素的数据类型必须一致。Torch包含的数据类型和普遍的编程语言的数据类型相似，包含浮点型、有符号整型和无符号整型。这些类型既可以定义在CPU上，也可以定义在GPU上。
【Pytorch】一文向您详细介绍 torch.unique()
创作高质量博文，分享知识，共同进步！
05-17 2183
🚀 深入探索PyTorch的`torch.unique()`函数，解锁数据处理新姿势！🔍 从基础用法到进阶技巧，一文带您领略`torch.unique()`的无限魅力。学会如何快速去重、统计元素频次，并在实际场景中举一反三。无论您是数据科学家还是AI爱好者，这里都有您想要的知识点。快来加入我们，一起掌握这个强大的数据处理工具吧！#PyTorch #torch.unique() #数据处理 #去重 #频次统计
关于unique函数
足迹
11-23 2913
torch和numpy中都有unique函数，作用是去除张量/向量组中的重复张量/向量。 torch torch.unique(input, sorted=True, return_inverse=False, return_counts=False, dim=None) 可以看到有 return_inverse和return_counts两个参数可以修改，return_inverse代表input张量中的每个元素在output张量中的位置，return_counts代表input张量中每个元素
tensor高阶操作
qq_47789910的博客
01-28 367
1合并与拆分 合并：concat 用某一个维度进行累加，不会增加维度。所拼接的维度可以不相等，其他维度必须相等 叠加:stack增加新的维度，所有维度都要相等 unstack:指定维度拆分两份数据，指定某一维度进行拆分，这个维度有多少长，就会打成多少个数据 split：更加灵活，可以指定打散长度和数量 2、数据统计 一范数、二范数求解：ord=1为一范数求解,ord=2为二范数求解 reduce_min、reduce_max、reduce_mean:最小值、最大值、均值，默认为全部元素的最大或最小
torch.unique() 去重
菜鸟的进阶之路
05-04 1694
这个方法的参数在官方解释文档中有这么几个:torch.unique(input, sorted=True, return_inverse=False, return_counts=False, dim=None)torch.unique()的功能类似于数学中的集合，就是挑出tensor中的独立不重复元素。return_inverse: 是否返回原始tensor中的每个元素在这个无重复张量中的索引。sorted：是否对返回的无重复张量按照数值进行排列，默认是生序排列的。input: 待处理的tensor。
【深度学习_TensorFlow】数据统计
m0_73222051的博客
07-07 543
✏️评论，你的意见是我进步的财富！
深度学习（13）TensorFlow高阶操作二: 数据统计
weixin_43360025的博客
08-13 917
深度学习（13）TensorFlow高阶操作二: 数据统计一. tf.norm1. 范数定义2. tf.norm（二范数）3. L1 Norm（一范数）二. reduce_min/max/mean三. argmax/argmin四. tf.equal1. tf.equal定义及用法2. 求解正确率实例五. tf.unique Outline tf.norm（范数） tf.reduce_min/max（最大值/最小值） tf.argmax/argmin（最大值/最小值的位置） tf.equal（两个张量的比
tensor的基础操作,包括创建,数学运算,索引等
landing_guy_的博客
05-12 2696
主要介绍一系列对tensor的基本操作
Pytorch基础——（2）张量（tensor）的数学运算
m0_52974810的博客
06-05 605
张量（tensor）的基本数学运算 减法 除法 矩阵乘法 批量矩阵乘法 指数 矩阵指数 broadcasting
tf.unique
霜叶的博客
04-04 948
函数返回值：Tensor对象(y, idx)的元型态组.
pytorch有没有unique
08-20
是的，PyTorch提供了torch.unique()函数来查找张量中的唯一值。您可以使用torch.unique()函数来查找张量中的唯一元素，并返回一个新的张量，其中包含原始张量中的唯一元素。<span class="em">1</span><span class="em">2</span> #### 引用[.reference_title] - *1* [pytorch nonzero(), torch.unique()](https://blog.csdn.net/qq_43739296/article/details/120224660)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [tab-transformer-pytorch:在 Pytorch 中实现 TabTransformer，表格数据的注意力网络](https://download.csdn.net/download/weixin_42118770/19218406)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值