python - 如何向量化总和？张量[i, :, :,:] + 张量[i]

In lại Tác giả: Walker 123 更新时间：2023-12-01 00:48:37 27 4

def style_noise(self, y, style):
    n = torch.randn(y.shape)
    for i in range(n.shape[0]):
        n[i] = (n[i] - n.mean(dim=(1, 2, 3))[i]) * style.std(dim=(1, 2, 3))[i] / n.std(dim=(1, 2, 3))[i] + style.mean(dim=(1, 2, 3))[i]
    noise = Variable(n, requires_grad=False).to(y.device)
    return noise

def style_noise(self, y, style):
    n = torch.randn(y.shape)
    n_mean = n.mean(dim=(1, 2, 3), keepdim=True)
    n_std = n.std(dim=(1, 2, 3), keepdim=True)
    style_mean = style.mean(dim=(1, 2, 3), keepdim=True)
    style_std = style.std(dim=(1, 2, 3), keepdim=True)
    n = (n - n_mean) * style_std / n_std + style_mean
    noise = Variable(n, requires_grad=False).to(y.device)
    return noise

27 4 0

• python - 如何向量化总和？张量[i, :, :,:] + 张量[i]

  我想矢量化以下代码: def style_noise(self, y, style): n = torch.randn(y.shape) for i in range(n.shape[

• python - 对于给定条件，获取 2D 张量 A 中的值的索引，使用这些索引来索引 3D 张量 B

  对于给定的二维张量，我想检索值为 1 的所有索引。我希望能够简单地使用 torch.nonzero(a == 1).squeeze()，它将返回张量([1, 3, 2])。但是，torch.nonze

• deep-learning - 张量(1.0).item()与 float (张量(1.0))

  如果 x 是 dtype torch.float 的 torch.Tensor 那么操作 x.item() 和 float(x)完全一样？ 最佳答案 操作x.item() 和float(x) 是不一样

• python - 形状为 b*n*3 的 Tensorflow 张量 T1。形状为 b*n 的 T2 -> 一个 bool 张量，指示 T1 中要采用哪些行

  我正在尝试提取 n 点 3D 坐标和 b 批处理中的特定行。本质上，我的张量 T1 的形状为 b*n*3。我有另一个形状为 b * n 的 bool 张量 T2，指示需要获取 n 的哪些行。本质上我的

• python - 具有多个条件的掩码列表/张量？

  以下代码掩码很好 mask = targets >= 0 targets = targets[mask] 但是，当我尝试使用两个条件进行屏蔽时，它会给出 RuntimeError: Boolean v

• python - 如何添加数组列表(张量)

  我正在定义一个简单的 conv2d 函数来计算输入和内核(均为 2D 张量)之间的互相关，如下所示: import torch def conv2D(X, K): h = K.shape[0]

• python - 如何以随机度数旋转 Torch 张量

  作为训练 CNN 的一部分，我正在使用数组 inputs包含 对象。我想轮换一个人一些随机度数的对象 x ，如下所示: def rotate(inputs, x): # Rotate inpu

• python - 具有可变长度数组的索引多维 torch 张量

  我有一个索引列表和一个具有形状的张量: shape = [batch_size, d_0, d_1, ..., d_k] idx = [i_0, i_1, ..., i_k] 有没有办法用索引 i_0

• python - 使用相同大小的索引张量拆分 torch 张量

  假设我有张量 t = torch.tensor([1,2,3,4,5]) 我想使用相同大小的索引张量来拆分它，该张量告诉我每个元素应该进行哪个拆分。 indices = torch.tensor([0

• pytorch - 从生成器创建 torch 张量

  我尝试从生成器构建一个张量，如下所示: >>> torch.tensor(i**2 for i in range(10)) Traceback (most recent call last): F

• python - PyTorch 张量 - 使用给定的结束索引列表进行矢量化切片

  假设我有一个一维 PyTorch 张量 end_index长度为L。 我想构造一个 2D PyTorch 张量 T有 L 行，其中 T[i,j] = 2什么时候j < end_index[i]和 T[

• python - 由另一个多维张量索引多维 torch 张量

  我在 pytorch 中有一个张量 x 比方说形状 (5,3,2,6) 和另一个形状 (5,3,2,1) 的张量 idx，其中包含第一个张量中每个元素的索引。我想用第二个张量的索引对第一个张量进行切片

• python - 用数组索引 torch 张量

  我有以下火炬张量: tensor([[-0.2, 0.3], [-0.5, 0.1], [-0.4, 0.2]]) 以及以下 numpy 数组:(如有必要，我可以将其转换为其他内

• python - 什么是 DT_VARIANT 张量？

  tf.data.Dataset的构造函数接受一个参数 variant_tensor ，这只是 documented as : A DT_VARIANT tensor that represents t

• python - 如何用另一个张量切片 PyTorch 张量？

  我有: inp = torch.randn(4, 1040, 161) 我还有另一个名为 indices 的张量值: tensor([[124, 583, 158, 529], [1

• python - 如何沿某个维度将元素添加到 PyTorch 张量？

  我有一个张量 inps ，其大小为 [64, 161, 1]我有一些新数据d大小为 [64, 161] .如何添加 d至inps这样新的大小是[64, 161, 2] ? 最佳答案 使用 .unsqu

• python - Pytorch 张量 - 如何通过特定张量获取索引

  我有张量 t = torch.tensor([[1, 0, 0, 0], [0, 0, 1, 0], [0, 1, 0, 0], [1, 0, 0, 0]]) 和一个查询张量 q = torch.te

• python - 在特定索引后用零填充 torch 张量

  给定一个 3d 张量，说:batch x sentence length x embedding dim a = torch.rand((10, 1000, 96)) 以及每个句子的实际长度数组(或张

• tensorflow - 使用占位符值 reshape 张量

  我想使用 [int, -1] 符号 reshape 张量(例如，压平图像)。但我事先并不知道第一个维度。一个用例是在大批量上进行训练，然后在较小的批量上进行评估。 为什么会出现以下错误:获取包含“_M

• pytorch - 在pytorch中连接两个不同形状的 torch 张量

  我有两个 torch 张量。一个形状为 [64, 4, 300]，一个形状为 [64, 300]。我如何连接这两个张量以获得形状为 [64, 5, 300] 的合成张量。我知道用于此的 tensor.