#
1.tensor张量与numpy相互转换 tensor ----->numpy import torch a=torch.ones([2,5]) tensor([[1., 1., 1.,
条件选取：torch.where(condition, x, y) → Tensor 返回从 x 或 y 中选择元素的张量，取决于 condition 操作定义： 举个例子： >>
获得某层tensor的输出维度 代码如下所示： from keras import backend as K @wraps(Conv2D) def my_conv(*args,**kwargs)
在使用pre-train model时候，我们需要restore variables from checkpoint files. 经常出现在checkpoint 中找不到”Tensor name n
首先使用tf.where()将满足条件的数值索引取出来，在numpy中，可以直接用矩阵引用索引将满足条件的数值取出来，但是在tensorflow中这样是不行的。所幸，tensorflow提供了tf.g
要对tensor进行操作，需要先启动一个Session,否则，我们无法对一个tensor比如一个tensor常量重新赋值或是做一些判断操作，所以如果将它转化为numpy数组就好处理了。下面一个小程序讲
本文源码基于版本1.0，交互界面基于0.4.1 import torch 按照指定轴上的坐标进行过滤 index_select() 沿着某tensor的一个轴dim筛选若干个坐标 >>
前言 在pytorch中， 想删除tensor中的指定行列，原本以为有个函数或者直接把某一行赋值为[]就可以，结果发现没这么简单，因此用了一个曲线救国方法，希望如果有更直接的方法，请大家指出。 cod
拼接张量：torch.cat() 、torch.stack() torch.cat(inputs, dimension=0) → Tensor 在给定维度上对输入的张量序列 seq 进行连接
AdaptiveAvgPool1d(N) 对一个C*H*W的三维输入Tensor, 池化输出为C*H*N, 即按照H轴逐行对W轴平均池化 >>> a = torch.ones(2
