Deep-Learning-with-PyTorch-3.8 张量元数据：大小，偏移量和步幅

3.8 张量元数据：大小，偏移量和步幅

为了索引存储，张量依赖于几条信息以及它们的存储，明确地定义它们：大小，偏移量和步幅。 这些相互作用的方式如图3.5所示。 大小（或形状，以NumPy的说法）是一个元组，指示张量表示的每个维度上有多少个元素。 存储偏移量是与张量中第一个元素相对应的存储位置中的索引。步幅是需要跳过以沿每个维度获取下一个元素的存储位置中元素的数量。

图3.5 张量的偏移量，大小和步幅之间的关系。 张量在这里是较大存储的视图，就像在创建较大张量时可能已分配的存储那样

推荐阅读更多精彩内容

• Deep-Learning-with-PyTorch-3.7 张量：存储的风景

  3.7 张量：存储的风景 现在是时候让我们更仔细地了解引擎盖下的实现了。 张量中的值分配在由torch.Stora...

  追求科技的足球阅读 231评论 0赞 1
• 核心开发者全面解读PyTorch内部机制

  斯坦福大学博士生与 Facebook 人工智能研究所研究工程师 Edward Z. Yang 是 PyTorch ...

  婉妃阅读 3,214评论 0赞 3
• 偏移量、客户区大小与滚动大小

  1. 偏移量 offsetHeight: 元素在垂直方向上占用的空间大小。包括元素的高度、（可见的）水平滚动条的高...

  McDu阅读 585评论 0赞 0
• Deep-Learning-with-PyTorch-3.2.3 张量的实质

  3.2.3 张量的实质 Python列表或数字元组是在内存中单独分配的Python对象的集合，如图3.3左侧所示。...

  追求科技的足球阅读 198评论 0赞 1
• 偏移量、客户区大小、视口大小、滚动大小、确定元素大小

  1、偏移量先讲几个偏移量属性：offsetHeight：元素在垂直方向上占用的空间大小；相当于border-top...

  ComfyUI阅读 830评论 0赞 5