注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. TeVeS可以成为可行的引力理论吗？

  2. 在修正的引力理论中，Tensor-Vector-Scalar（TeVeS）占有特殊的位置–它是一种协变引力理论，在非相对论性的弱场范围内产生修正的牛顿动力学（MOND），并解释了大于 不需要过多的隐形物质。 我们证明，与其他经过修改的理论相比，TeVeS完全没有重影。 这些成就使TeVeS（及其非相对论性限制）成为可行的引力理论。 提出了从量子理论出发对TeVeS出现的一种推测性观点。

  3. 所属分类：其它

    • 发布日期：2020-03-31
    • 文件大小：258kb
    • 提供者：weixin_38720009

  1. Pytorch 之修改Tensor部分值方式

  2. 今天小编就为大家分享一篇Pytorch 之修改Tensor部分值方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：29kb
    • 提供者：weixin_38686399

  1. Tensorflow 实现修改张量特定元素的值方法

  2. 今天小编就为大家分享一篇Tensorflow 实现修改张量特定元素的值方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：50kb
    • 提供者：weixin_38697171

  1. Pytorch之Tensor和Numpy之间的转换的实现方法

  2. 为什么要相互转换： 1. 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。下面一个小程序讲述了将tensor转化为numpy数组，以及又重新还原为tensor： 2. Torch的Tensor和numpy的array会共享他们的存储空间，修改一个会导致另外的一个也被修改。 学习链接：https://github.com/chenyuntc/pytorch-bo

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：73kb
    • 提供者：weixin_38746574

  1. 解决python 无法加载downsample模型的问题

  2. downsample 在最新版本里面修改了位置 from theano.tensor.single import downsample （旧版本） 上面以上的的import会有error raise： from theano.tensor.signal import downsample ImportError: cannot import name ‘downsample’ 找到from theano.tensor.single import downsample所在文件，如： …\lib\s

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：35kb
    • 提供者：weixin_38526914

  1. Pytorch 实现权重初始化

  2. 在TensorFlow中，权重的初始化主要是在声明张量的时候进行的。 而PyTorch则提供了另一种方法：首先应该声明张量，然后修改张量的权重。通过调用torch.nn.init包中的多种方法可以将权重初始化为直接访问张量的属性。 1、不初始化的效果 在Pytorch中，定义一个tensor，不进行初始化，打印看看结果： w = torch.Tensor(3,4) print (w) 可以看到这时候的初始化的数值都是随机的，而且特别大，这对网络的训练必定不好，最后导致精度提不上，甚至损失无法收

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：45kb
    • 提供者：weixin_38638688

  1. PyTorch里面的torch.nn.Parameter()详解

  2. 在看过很多博客的时候发现了一个用法self.v = torch.nn.Parameter(torch.FloatTensor(hidden_size)),首先可以把这个函数理解为类型转换函数，将一个不可训练的类型Tensor转换成可以训练的类型parameter并将这个parameter绑定到这个module里面(net.parameter()中就有这个绑定的parameter，所以在参数优化的时候可以进行优化的)，所以经过类型转换这个self.v变成了模型的一部分，成为了模型中根据训练可以改动

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：119kb
    • 提供者：weixin_38698174

  1. Pytorch 之修改Tensor部分值方式

  2. 一：背景引入 对于一张图片，怎样修改局部像素值? 二：利用Tensor方法 比如输入全零tensor，可认为为黑色图片 >>> n=torch.FloatTensor(3,3,4).fill_(0) >>> n tensor([[[0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.]], [[0., 0., 0., 0.], [

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：36kb
    • 提供者：weixin_38715879

  1. pytorch常见的Tensor类型详解

  2. Tensor有不同的数据类型，每种类型分别有对应CPU和GPU版本（HalfTensor除外）。默认的Tensor是FloatTensor，可通过torch.set_default_tensor_type修改默认tensor类型（如果默认类型为GPU tensor，则所有操作都将在GPU上进行）。 Tensor的类型对分析内存占用很有帮助，例如，一个size为(1000,1000,1000)的FloatTensor，它有1000*1000*1000=10^9个元素，每一个元素占用32bit/8=

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：48kb
    • 提供者：weixin_38676851

  1. 解决TensorFlow模型恢复报错的问题

  2. 错误信息 Attempting to use uninitialized value input_producer/input_producer/limit_epochs/epochs 今天在模型恢复的时候出现上图报错信息，最后发现是由于调用tf.train.slice_input_producer方法产生的错误信息。它本身认为是一个tensor 修改方法： 获取batch后，在sess中先初始化即可 sess.run(tf.global_variables_initializer())

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：31kb
    • 提供者：weixin_38607971

  1. PyTorch笔记之scatter()函数的使用

  2. scatter() 和 scatter_() 的作用是一样的，只不过 scatter() 不会直接修改原来的 Tensor，而 scatter_() 会 PyTorch 中，一般函数加下划线代表直接在原来的 Tensor 上修改 scatter(dim, index, src) 的参数有 3 个 dim：沿着哪个维度进行索引 index：用来 scatter 的元素索引 src：用来 scatter 的源元素，可以是一个标量或一个张量 这个 scatter可以理解成放置元素或者修改元

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：62kb
    • 提供者：weixin_38691319

  1. tensorflow之变量初始化(tf.Variable)使用详解

  2. 默认本系列的的读者已经初步熟悉tensorflow。 我们通过tf.Variable构造一个variable添加进图中，Variable()构造函数需要变量的初始值（是一个任意类型、任意形状的tensor），这个初始值指定variable的类型和形状。通过Variable()构造函数后，此variable的类型和形状固定不能修改了，但值可以用assign方法修改。 如果想修改variable的shape，可以使用一个assign op，令validate_shape=False. 通过Varia

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：46kb
    • 提供者：weixin_38629391

  1. pytorch 在sequential中使用view来reshape的例子

  2. pytorch中view是tensor方法，然而在sequential中包装的是nn.module的子类， 因此需要自己定义一个方法： import torch.nn as nn class Reshape(nn.Module): def __init__(self, *args): super(Reshape, self).__init__() self.shape = args def forward(self, x): # 如果数据集最后一个batch样本数量小于定义的b

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：30kb
    • 提供者：weixin_38589316

  1. tfanalysis：修改了Tensor Playground代码以提取数据-源码

  2. 深操场 这个想法是保存epoch ， trainloss和testloss值，以便我们可以在模型中比较不同的参数集 您可以开始学习过程，有时请按“重置”按钮，然后将要求您下载CSV文件。 以下来自文字 发展 要在本地运行可视化文件，请运行： npm i要安装依赖 npm run build编译应用程序并将其放置在dist/目录中 npm run serve从dist/目录提供服务，并在浏览器上打开一个页面。 为了在开发运行npm run serve-watch时进行快速的编辑刷新循环，请n

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：69kb
    • 提供者：weixin_42169245

  1. nvidia-bert：在NVIDIADeepLearningExamplesPyTorchLanguageModelingBERT的fork上使用onnxruntime后端-源码

  2. BERT对于PyTorch 该存储库提供了脚本和配方来训练PyTorch的BERT模型，以实现最先进的准确性，并且已由NVIDIA测试和维护。 此示例包含Microsoft进行的修改，以将onnxruntime用作PyTorch的培训后端。 性能数字来自原始的NVIDIA存储库，并不反映onnxruntime的使用。 目录 型号概述 BERT，或来自变压器的双向编码器表示，是一种预训练语言表示的新方法，它可以在各种自然语言处理（NLP）任务中获得最新的结果。 该模型基于 。 NVIDIA的BE

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：425kb
    • 提供者：weixin_42171208

  1. Tensorflow 实现修改张量特定元素的值方法

  2. 最近在做一个摘要生成的项目，过程中遇到了很多小问题，从网上查阅了许多别人解决不同问题的方法，自己也在旁边开了个jupyter notebook搞些小实验，这里总结一下遇到的一些问题。 Tensorflow用起来不是很顺手，很大原因在于tensor这个玩意儿，并不像数组或者列表那么的直观，直接print的话只能看到 Tensor(…) 这样的提示。比如下面这个问题，我们想要修改张量特定位置上的某个数值，操作起来就相对麻烦一些。和array一样，张量也是可以分段读取的，比如 tensor[1:10]

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：52kb
    • 提供者：weixin_38622427