x = torch.tensor([
[1, 2, -1, -1],
[10, 20, 30, -1]
])
mask = torch.tensor([
[True, True, False, False],
[True, True, True, False]
])
< /code>
Um einen maskierten Mittel zu berechnen, kann ich Folgendes tun, aber gibt es ein integriertes oder häufig verwendetes Pytorch-Paket, um dies zu tun? < /p>
n_mask = torch.sum(mask, axis=1)
x_mean = torch.sum(x * mask, axis=1) / n_mask
print(x_mean)
< /code>
> tensor([ 1.50, 20.00])
Gegebene Daten und Masken-Tensoren Gibt es einen Pytorch-Weg, um maskierte Datenaggregationen (Mittelwert, max, min usw.) zu erhalten. < /p> [code]x = torch.tensor([ [1, 2, -1, -1], [10, 20, 30, -1] ])
mask = torch.tensor([ [True, True, False, False], [True, True, True, False] ]) < /code> Um einen maskierten Mittel zu berechnen, kann ich Folgendes tun, aber gibt es ein integriertes oder häufig verwendetes Pytorch-Paket, um dies zu tun? < /p> n_mask = torch.sum(mask, axis=1) x_mean = torch.sum(x * mask, axis=1) / n_mask
Ich möchte eine visuelle Transformation auf ein BasicTextField in Jetpack Compose anwenden. Ich habe Code ausprobiert, stehe aber vor mehreren Problemen. Beispielsweise bleibt der Cursor nicht an der...
Angenommen, ich möchte Varianz und/oder Standardabweichung mit nicht standardmäßigem ddof in einem Groupby-Kontext berechnen, kann ich Folgendes tun:
df.groupby( a ) .var(ddof=2)
Angenommen, ich möchte Varianz und/oder Standardabweichung mit nicht standardmäßigem ddof in einem Groupby-Kontext berechnen, kann ich Folgendes tun:
df.groupby( a ) .var(ddof=2)
Ich habe den ganzen Tag darüber nachgedacht, warum sich das nicht verbessert. Der Verlust bleibt nach den ersten paar Chargen bei etwa 4,1. Ich bin neu bei PyTorch. Vielen Dank im Voraus für jede...