如何解决在GPU上使用火炬张量的Block_reduce
我有一个2D张量,我试图通过平均每4列来减小它。对于numpy数组,可以使用skimage.measure模块中的block_reduce函数来完成。
我也可以将其用于CPU火炬张量,因为它在后台将输入张量转换为numpy数组。当我的张量加载到GPU上时,这将不起作用。在PyTorch中有什么有效的方法可以实现这一目标吗?
这是我想做的,由block_reduce演示:
import numpy as np
import torch
from skimage.measure import block_reduce
t1 = np.array([[0,4,2,1,5],[1,[2,[3,5]]).astype('float')
t1 = torch.from_numpy(t1)
t2 = block_reduce(t1,block_size=(1,4),func=np.mean)
print(t1)
print(t2)
产生的输出:
tensor([[0.,4.,2.,1.,5.],[1.,[2.,[3.,5.]],dtype=torch.float64)
[[2.5 2. ]
[2.75 2. ]
[3. 2. ]
[3.25 2. ]]
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。