做管理培训的网站有什么网络优化工程师是做什么的

Pytorch 中的主要的数据结构包括标量、向量、矩阵、张量，同时支持数据之间的运算。在 Pytorch 中有一个张量广播的概念，就是要把小的放大，最后在一起做计算，并不是所有的张量都可以计算，规则如下

1. 首先比较维度，如果不一致，增加维度值为 “1”
2. 检查是否可广播，同一个维度上一致或者为 “1”，为"1" 可以放大任意多个

不同维度：

# 3, 2, 2
tensor_a = torch.tensor([[[1.0, 2.0], [3.0, 4.0]],[[5.0, 6.0], [7.0, 8.0]],[[9.0, 10.0], [11.0, 12.0]]])  # Shape (3, 2, 2)
# 2,2
tensor_b = torch.tensor([[0.1, 0.2],[0.3, 0.4]]) result = tensor_a + tensor_b

结果

[[  [ 1.1000,  2.2000], [ 3.3000,  4.4000]],[[ 5.1000,  6.2000], [ 7.3000,  8.4000]],[[ 9.1000, 10.2000], [11.3000, 12.4000]]
]

• 张量 (2,2) 变成 (1,2,2)，这里要注意一下，维度比较是从右向左。
• 再从 (1,2,2) 变成 (3,2,2)，就是把数据重复三次。

广播方便了对张量的操作，例如我们想生成一张绿色北京的图，初始一张图，把绿色通道变成 255。

import torch
import matplotlib.pyplot as pltwidth, height = 256, 256green_color = torch.tensor([0, 255, 0], dtype=torch.uint8)green_image = torch.zeros((height, width, 3), dtype=torch.uint8) + green_colorgreen_image_np = green_image.numpy()plt.figure(figsize=(6, 6))
plt.imshow(green_image_np)
plt.axis('off')  
plt.title('Green')
plt.show()