我正在做我的机器学习项目，我需要合并（连接）两个不同形状的张量。
欲知更多详情：
我
我有一个张量
<code>t = torch.zeros((4, 5, 6))</code>
如何检查它是否在 gpu 上？
我正在尝试在 pytorch 中训练我的模型（自定义模型），但出现此错误：
<code>RuntimeError: Given groups=1, weight
我正在研究 GAN，我想可视化形成的图像。
为此，我正在尝试
<pre><code>def show_images(image_tensor, num_
我是 PyTorch 的新手。我有一个变量 pred，它有一个张量列表。
<pre><code>print(pred)
output: [tensor([[176.64380,
我想以最高的信心获得课程。
下面是执行分类任务的代码：
<pre><code>names = ['class A', 'class B&#
我试图找到一种方法来有效地计算张量 (<code>shape: (n, n, m)</code>) 的每个深度二维切片与矩阵 (<code>shape: (n
我正在尝试使用 Tensorflow 在 google collab 上制作神经风格转移模型。我输入了我正在使用的两个图像的路
这个问题与新论文有关：<a href="https://proceedings.neurips.cc/paper/2020/file/c8512d142a2d849725f31a9a7a361ab9-Paper.pdf" rel=
我有一个输入张量，它在开始时填充零，然后是一系列值。所以像：
<pre><code>x = torch.tensor([[0, 2, 8, 12]
在 PyTorch 中，我有一个尺寸为 <code>X</code> 的 5D 张量 <code>B x 9 x C x H x W</code>。我想将其转换为尺寸为 <cod
我正在尝试在自定义平面图数据集上训练 Mask RCNN。我正在关注 Medium 上的这篇文章：<a href="https://medium.co
我想知道是否可以连接两个不同形状的不同 pytorch 张量。
一个张量的形状为 torch.Size([247, 247])，另一个
在我的卷积神经网络代码中，有一个步骤涉及沿 3 个维度的张量收缩；在 NumPy 中它看起来像这样（但是
它在训练过程中进行，然后 loss_funstion (CrossEntropyLoss) 运行，然后损失值倒退并再次计算 x，它在循环中
我有一个模型，我想在定义自定义损失函数时获取特定层的权重矩阵以使用它。
有没有办法在模型
在迭代图像大小的 for 循环中，我计算每个像素的 2D 结构张量：
<pre><code>tensor = np.array([[pixel_image_1, pi
<pre class="lang-py prettyprint-override"><code>def forward(x, f, s):
B, H, W, C = x.shape # e.g. 64, 16, 16, 3
Fh, Fw, C, _ = f.sha
在 Pytorch 中，假设我有一个 top-k 索引矩阵 <code>P(B,N,k)</code>、一个权重矩阵 <code>W(B,N,N)</code> 和一个目标
我正在研究一个嵌入模型，其中有一个 BERT 模型，它接收文本输入并输出一个多维向量。该模型的目标
