引言
- 本文为个人记录学习使用pytorch来构建RNN代码过程中遇到的一些函数用法总结
- 本文主要包含pytorch中torch.stack()，以及numpy中np.linspace()
torch.stack()
-
stack()函数在pytorch中的主要作用是进行张量拼接。
- 拼接的张量形状需要都是一致的，且只允许是序列，函数作用就是会沿着一个新维度对输入的张量序列进行拼接。
- 通俗来讲就是，把多个2维的凑成一个3维的，以此类推，不懂没关系，看下面我的测试结果即可
-
outputs = torch.stack(inputs, dim=0)- inputs : 待连接的张量序列
- dim : 新的维度， 注意维度不要超过界限
-
测试代码以及测试结果如下所示
import torch
T1 = torch.tensor([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
T2 = torch.tensor([[10, 20, 30],
[40, 50, 60],
[70, 80, 90]])
T3 = torch.stack((T1,T2),dim=0)
print(T3,T3.shape)
np.linspace()
- 该方法的功能是生成一个指定大小，指定数据区间的均匀分布序列
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)- start：生成序列中数据的上界。
- end：生成序列中数据的下界。
- num：生成序列包含元素的个数；默认为50个。
- endpoint：取True时，序列包含最大值end；否则不包含；其值默认为True。
- retstep：该值取True时，生成的序列中显示间距；反正不显示；其值默认为false。
- dtype：数据类型，可以指定生成序列的数据类型；当为None时，根据其他输入推断数据类型。
- 返回值：是一个数组。
- 具体测试代码以及测试结果如下图所示
import numpy as np
# 参数num的值默认为50
T1 = np.linspace(1, 10)
print(T1, len(T1), type(T1))
# 生成[1,10]之间元素个数为10的序列,参数endpoint默认为true,而参数retstep默认为false
T2 = np.linspace(1, 10,10)
print(T2, len(T2), type(T2))
# 设置参数retstep为true
T3 = np.linspace(1, 10, 10, endpoint=False)
print(T3, len(T3), type(T3))
# 生成[1,10)之间元素个数为10的整数序列
T4 = np.linspace(1, 10, 10, dtype=int)
print(T4, len(T4), type(T4))
- 本文只是对这两个函数的简单总结，仅供参考
