pytorch 상용 데이터 형식이 차지하는 바이트 대조표 일람
PyTorch의 일반적인 데이터 유형은 다음과 같습니다.
Data type
dtype
CPU tensor
GPU tensor
Size/bytes
32-bit floating
torch.float32 or torch.float
torch.FloatTensor
torch.cuda.FloatTensor
사
64-bit floating
torch.float64 or torch.double
torch.DoubleTensor
torch.cuda.DoubleTensor
팔
16-bit floating
torch.float16or torch.half
torch.HalfTensor
torch.cuda.HalfTensor
-
8-bit integer (unsigned)
torch.uint8
torch.ByteTensor
torch.cuda.ByteTensor
일
8-bit integer (signed)
torch.int8
torch.CharTensor
torch.cuda.CharTensor
-
16-bit integer (signed)
torch.int16or torch.short
torch.ShortTensor
torch.cuda.ShortTensor
이
32-bit integer (signed)
torch.int32 or torch.int
torch.IntTensor
torch.cuda.IntTensor
사
64-bit integer (signed)
torch.int64 or torch.long
torch.LongTensor
torch.cuda.LongTensor
팔
위의 PyTorch의 데이터 형식과numpy의 상대적인 바이트 크기도 같다
추가:pytorchtensor 비교 크기 데이터 형식 주의
아래와 같다
a = torch.tensor([[0, 0], [0, 0]])
print(a>=0.5)tensor([[1, 1],
[1, 1]], dtype=torch.uint8)
결과가 현저히 틀렸다. 분석 원인은 a는long 유형이고 0.5는float이기 때문이다.0.5는 롱으로 바뀌고 0으로 바뀐다.따라서 결과가 틀릴 수 있으므로 다음과 같은 수정을 하면 정답을 얻을 수 있다
올바른 사용법:
a = torch.tensor([[0, 0], [0, 0]]).float()
print(a>=0.5)
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
정확도에서 스케일링의 영향데이터셋 스케일링은 데이터 전처리의 주요 단계 중 하나이며, 데이터 변수의 범위를 줄이기 위해 수행됩니다. 이미지와 관련하여 가능한 최소-최대 값 범위는 항상 0-255이며, 이는 255가 최대값임을 의미합니다. 따...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
좋은 웹페이지 즐겨찾기
