首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏Yunfeng's Simple Blog

    git log 常见参数总结

    > Date: 2021-04-09 16:59:16 +0200 One xchunk_iterator to rule them all diff --git a/include/xtensor /xchunked_array.hpp b/include/xtensor/xchunked_array.hpp index ed4003d0..23a843ec 100644 --- a/include /xtensor/xchunked_array.hpp +++ b/include/xtensor/xchunked_array.hpp @@ -126,10 +128,16 @@ namespace /xchunked_array.hpp | 45 ++++++++++- include/xtensor/xchunked_assign.hpp | 246 +++++++++++++++++++ ++++++++++++++++++++++++++------------- include/xtensor/xchunked_view.hpp | 164 +++++++++++-------

    78910编辑于 2023-10-21
  • 来自专栏计算机视觉理论及其实现

    torch.unbind

    参数:tensor(Tensor) -- 输入张量dim(int) -- 删除的维度>>> x = torch.randn(3, 3)>>> xtensor([[ 0.4775, 0.0161, -0.9403

    1.3K10编辑于 2022-09-02
  • 来自专栏计算机视觉理论及其实现

    torch.cat()函数

    tensors are concatenated out (Tensor, optional) – the output tensorExample:>>> x = torch.randn(2, 3)>>> xtensor

    1.3K10编辑于 2022-09-03
  • 来自专栏计算机视觉理论及其实现

    torch、(一) Tensor

    Example:>>> x = torch.randn(2, 3)>>> xtensor([[ 0.6580, -1.0969, -0.4614], [-0.1034, -0.5790, Example:>>> x = torch.randn(3, 4)>>> xtensor([[ 0.1427, 0.0231, -0.5414, -1.0009], [-0.4664, Example:>>> x = torch.randn(3, 4)>>> xtensor([[ 0.3552, -2.3825, -0.8297, 0.3477], [-1.2035, (0.1995)>>> torch.t(x)tensor(0.1995)>>> x = torch.randn(3)>>> xtensor([ 2.4320, -0.4608, 0.7702])>>> torch.t(x)tensor([.2.4320,.-0.4608,..0.7702])>>> x = torch.randn(2, 3)>>> xtensor([[ 0.4875, 0.9158

    3K40编辑于 2022-09-03
  • 来自专栏生信宝典

    新版Mamba体验超快的软件安装

    environment micromamba install python=3.10 jupyter -c conda-forge # or micromamba create -n env_name xtensor

    2.3K40编辑于 2023-08-30
  • 来自专栏Python数据科学

    你知道Jupyter notebook还可以用来做 “视频聊天室” 吗?

    作为QuantStack的开源开发人员,参与了各种项目,从xsimd和xtensor在C ++到ipyleaflet和ipywebrtc在Python和Javascript中。

    2.5K10发布于 2018-12-17
  • 来自专栏Rust语言学习交流

    allwefantasy:Rust FFI 实践

    使用起来大概是这样的: CTensor *xTensor = create_tensor(xP, 1, shape_x_p, 1); CTensor *yTensor = create_tensor(yP , 1, shape_y_p, 1); CTensor *xy[] = {xTensor, yTensor}; CTensor **xy_p; xy_p = xy; CTensorArray *tarray

    93640发布于 2019-07-09
  • 来自专栏BioIT爱好者

    Micro/Mamba 安装与注意事项

    environment micromamba install python=3.6 jupyter -c conda-forge # or micromamba create -n env_name xtensor

    8.5K20编辑于 2023-09-17
  • 来自专栏祝威廉

    Rust FFI 实践

    使用起来大概是这样的: CTensor *xTensor = create_tensor(xP, 1, shape_x_p, 1); CTensor *yTensor = create_tensor(yP , 1, shape_y_p, 1); CTensor *xy[] = {xTensor, yTensor}; CTensor **xy_p; xy_p = xy; CTensorArray *tarray

    1.3K20发布于 2019-05-06
  • 来自专栏CNCF

    Vineyard 加入 CNCF Sandbox,将继续瞄准云原生大数据分析领域

    在 Python 中,这个 Object 可以被解释为一个 Numpy 的 NDArray,而在 C++ 中,这个 Object 可以被解释为一个 xtensor 中的 tensor。

    84530发布于 2021-05-27
  • 来自专栏全球人工智能的专栏

    TensorFlow 的 c ++ 实践及各种坑!

    模型输入输出主要就是构造输入输出矩阵,相比python的numpy库,tensorflow提供的Tensor和Eigen::Tensor还是非常难用的,特别是动态矩阵创建,如果你的编译器支持C++14,可以用xTensor

    7K20发布于 2017-11-21
  • 来自专栏曾子骄的专栏

    Tensorflow c++ 实践及各种坑

    模型输入输出主要就是构造输入输出矩阵,相比python的numpy库,tensorflow提供的Tensor和Eigen::Tensor还是非常难用的,特别是动态矩阵创建,如果你的编译器支持C++14,可以用xTensor

    7.4K40发布于 2017-10-13
  • 来自专栏along的开发之旅

    Deep Learning with PyTorch: A 60 Minute Blitz > Tensors

    >>> x = torch.randn(2, 3)>>> xtensor([[ 0.0679, -0.3655, -1.5670], [-0.6854, 0.1267, -0.8296]

    44320编辑于 2024-06-06
  • 来自专栏AI理论与前沿

    构建⼈名分类器

    .)>>> xtensor([ 1., 2., 3., 4., 5.])>>> torch.topk(x, 3)torch.return_types.topk(values=tensor([5., 4.

    46711编辑于 2025-03-21
  • 来自专栏程序人生丶

    C++ 资源大全:标准库、Web框架、人工智能等 | 最全整理

    xtensor: 受NumPy语法启发的C++ 14库,用于使用多维数组表达式进行数值分析。 universal: 只包含头文件的C++ 14库,实现任意假定算数。

    2.4K00编辑于 2024-05-13
领券