torch.set_printoptions

torch.set_printoptions

设置pytorch打印张量时的选项,比如限制打印的元素数量、设置精度等。在打印大张量或者需要更精确控制输出格式时非常有用。

torch.set_printoptions(precision=None, threshold=None, edgeitems=None, linewidth=None, profile=None, sci_mode=None)

  • precision – 浮点输出的精度位数(默认值 = 4)。
  • threshold – 输出的数组元素总数(默认值 = 1000)。
  • edgeitems – 每个维度开头和结尾的元素数 (默认值 = 3)。
  • linewidth – 用于插入换行符的每行字符数(默认值 = 80)。
  • profile – 打印选项。可被上述任何选项覆盖。(三个选项:default、short、full)
  • sci_mode – 启用 (True) 或禁用 (False) 科学记数法。
示例 1:设置打印的元素数量
import torch
# 创建一个大张量
big_tensor = torch.randn(1000, 1000)
# 设置打印选项,限制每行打印的元素数量为5
torch.set_printoptions(edgeitems=5)
# 打印大张量
print(big_tensor)
'''output
tensor([[ 7.096e-01, -2.319e-01, -3.508e-01, -1.490e+00, -2.094e+00,  ...,  2.418e+00,2.191e+00, -1.097e+00, -8.462e-03,  1.543e+00],[-3.659e-01, -2.529e+00, -5.387e-01, -9.730e-01,  1.106e+00,  ...,  2.867e-01,-2.998e-01,  1.395e+00,  1.922e-01, -2.857e+00],[-1.248e+00,  9.511e-02,  1.104e+00, -2.893e-01,  2.386e-01,  ..., -4.030e-01,-1.431e+00,  1.698e+00,  7.792e-02,  5.647e-01],[-8.082e-01, -1.269e+00, -9.518e-01, -1.230e+00,  1.623e-01,  ...,  6.505e-01,1.299e-01, -2.172e+00,  9.718e-01,  1.547e-01],[ 3.541e-01, -1.212e+00,  1.333e+00, -8.269e-01,  3.842e-01,  ..., -2.083e-01,2.715e+00,  1.210e+00, -1.783e+00, -7.736e-01],...,[ 3.425e-02, -6.938e-01,  6.390e-02, -1.265e+00,  3.217e-01,  ...,  1.713e+00,5.801e-01,  1.101e+00, -1.443e+00, -2.739e-01],[ 8.133e-01, -1.418e+00, -6.581e-01,  2.327e+00,  1.146e+00,  ...,  6.545e-01,-7.152e-01, -6.270e-01, -9.436e-01, -1.858e+00],[ 1.339e+00,  6.877e-02, -1.111e+00,  8.770e-01,  1.358e+00,  ..., -2.793e+00,-1.135e-01,  1.498e+00,  6.292e-01,  1.196e+00],[-1.095e-01,  6.439e-01, -7.375e-01,  4.185e-01, -1.045e-01,  ..., -1.521e+00,6.631e-01,  2.701e-01,  1.107e-01, -1.860e-01],[-1.281e+00,  3.997e-01,  1.881e-03,  1.170e+00,  4.183e-01,  ...,  3.738e-01,5.330e-01, -2.445e-01,  7.956e-01, -7.097e-01]], device='cuda:0')
'''
示例 2:设置打印的精度
import torch# 创建一个包含小数的张量
tensor = torch.tensor([1.123456789, 2.987654321])# 设置打印选项,限制打印的浮点数精度为3位小数
torch.set_printoptions(precision=3)# 打印张量
print(tensor)
'''output
tensor([1.123, 2.988], device='cuda:0')
'''
示例 3:设置科学记数法的阈值
import torch# 创建一个包含大数和小子数的张量
tensor = torch.tensor([1e-5, 1e5])# 设置打印选项,当绝对值小于1e-3时使用科学记数法
torch.set_printoptions(sci_mode=True, threshold=1e3)# 打印张量
print(tensor)
'''output
tensor([1.000e-05, 1.000e+05], device='cuda:0')
'''
示例 4:设置张量的边距
import torch# 创建一个张量
tensor = torch.randn(5, 5)# 设置打印选项,行字符宽度
torch.set_printoptions(edgeitems=3, linewidth=40)
# 打印张量
print(tensor)# 设置打印选项,行字符宽度
torch.set_printoptions(edgeitems=3, linewidth=50)
# 打印张量
print(tensor)
'''output
tensor([[-0.787,  0.227, -1.878,  0.286,-0.899],[ 0.483,  1.054,  0.770, -0.245,1.599],[ 0.165, -0.034,  1.457, -0.944,0.601],[-0.150,  0.388, -0.811, -0.741,1.286],[-0.657, -0.895,  0.680,  0.946,-1.832]], device='cuda:0')
tensor([[-0.787,  0.227, -1.878,  0.286, -0.899],[ 0.483,  1.054,  0.770, -0.245,  1.599],[ 0.165, -0.034,  1.457, -0.944,  0.601],[-0.150,  0.388, -0.811, -0.741,  1.286],[-0.657, -0.895,  0.680,  0.946, -1.832]],device='cuda:0')'''
示例 5:恢复默认打印选项
import torch# 创建一个张量
tensor = torch.randn(5, 5)# 恢复默认打印选项
torch.set_printoptions(profile='default')
# 打印张量
print(tensor)# 设置打印选项为short
torch.set_printoptions(profile='short')
# 打印张量
print(tensor)# 设置打印选项为full
torch.set_printoptions(profile='full')
# 打印张量
print(tensor)
'''output
tensor([[-0.4571,  0.3753, -1.5940, -0.7643, -2.1443],[ 0.6022, -0.7247, -0.0522,  1.3891,  0.5575],[ 0.6133, -0.4906,  0.8597, -0.7087,  2.1163],[-0.0721,  0.7349,  1.2677,  0.8921, -0.2049],[ 0.3666,  0.1874,  1.7164,  1.0258, -1.8709]], device='cuda:0')
tensor([[-0.46,  0.38, -1.59, -0.76, -2.14],[ 0.60, -0.72, -0.05,  1.39,  0.56],[ 0.61, -0.49,  0.86, -0.71,  2.12],[-0.07,  0.73,  1.27,  0.89, -0.20],[ 0.37,  0.19,  1.72,  1.03, -1.87]], device='cuda:0')
tensor([[-0.4571,  0.3753, -1.5940, -0.7643, -2.1443],[ 0.6022, -0.7247, -0.0522,  1.3891,  0.5575],[ 0.6133, -0.4906,  0.8597, -0.7087,  2.1163],[-0.0721,  0.7349,  1.2677,  0.8921, -0.2049],[ 0.3666,  0.1874,  1.7164,  1.0258, -1.8709]], device='cuda:0')'''

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处:http://www.rhkb.cn/news/478436.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Scala—Collections集合概述

Scala Scala-集合概述 ScalaScala集合概述1 不可变集合(Immutable Collections)2 可变集合(Mutable Collections)3 Scala 集合类的层次结构 Scala集合概述 在 Scala 中,集合主要分为两大类:可变集合&#…

LLC与反激电路设计【学习笔记】

LLC电路: LLC电路是由2个电感和1个电容构成的谐振电路,故称之为LLC: LLC电路通过谐振能够实现MOS管的软开(soft switching),减少开关损耗。另外MOS管的通态损耗也很低,换言之产生的焦耳热也少,这样就可以不…

java基础概念36:正则表达式1

一、正则表达式的作用 作用一:校验字符串是否满足规则;作用二:在一段文本中查找满足要求的内容。——爬虫 二、正则表达式 2-1、字符类 示例: public static void main(String[] args) {System.out.println("a".matc…

误删了照片,甚至对存储卡进行了格式化 都可以找到丢失的图片,并让您恢复它们 支持一键恢复或永久删除丢失的照片、视频、音乐、文档等-供大家学习研究参考

误删了照片,甚至对存储卡进行了格式化 都可以找到丢失的图片,并让您恢复它们 支持一键恢复或永久删除丢失的照片、视频、音乐、文档等。 建议及早恢复,覆盖就不能找回了~ 下载: https://download.csdn.net/download/weixin_43097…

candence: 常用的一些命令: Move / Mirror / Rotate / Spain / Fix / unFix / Flipdesign

常用的一些命令 一、 Move 移动 一个可移动一个,也可多个 移动器件 二、 Mirror 镜像 Mirror 就是top 和 bottom 层的器件进行相互转换 三、 Rotate 旋转 移动过程中旋转 四、旋转 Spain 不能在移动中旋转 可以一次旋转一个,也可多个 一次旋转…

(三)手势识别——动作识别应用【代码+数据集+python环境(免安装)+GUI系统】

(三)手势识别——动作识别应用【代码数据集python环境(免安装)GUI系统】 (三)手势识别——动作识别【代码数据集python环境GUI系统】 背景意义 随着互联网的普及和机器学习技术的进一步发展,手…

滑动窗口篇——如行云流水般的高效解法与智能之道(2)

前言: 上篇我们介绍了滑动窗口的含义并结合基础题型加以练习,本篇将以进阶难度的题目为索引,深化对于滑动窗口的运用与理解。 一. 将x减到0的最小操作数 题目链接:1658. 将 x 减到 0 的最小操作数 - 力扣(LeetCode&am…

微信小程序加载商品首页数据时,页码没有更新,老是page=1。

微信小程序加载商品首页数据时,页码没有更新,老是page1。 源代码 const { baseUrl } require(../../config/config); const config require(../../config/config) import { calcViewHeight, iPhone } from ~/utils/device const { getToken } requi…

优化Docker镜像:提升部署效率与降低资源消耗

目录 1. 最小化镜像层 2. 使用轻量级基础镜像 3. 多阶段构建 4. 清理不必要的文件和依赖 5. 使用.dockerignore文件 6. 压缩和优化文件系统 7. 外部化配置和数据 8. 限制容器资源 9. 定期清理未使用的镜像和容器 结论 在云计算和微服务架构的浪潮中,Docke…

自研芯片逾十年,亚马逊云科技Graviton系列芯片全面成熟

在云厂商自研芯片的浪潮中,亚马逊云科技无疑是最早践行这一趋势的先驱。自其迈出自研芯片的第一步起,便如同一颗石子投入平静的湖面,激起了层层涟漪,引领着云服务和云上算力向着更高性能、更低成本的方向演进。 早在2012年&#x…

ApiChain 从迭代到项目 接口调试到文档生成单元测试一体化工具

项目地址:ApiChain 项目主页 ApiChain 简介 ApiChain 是一款类似 PostMan 的接口网络请求与文档生成软件,与 PostMan 不同的是,它基于 项目和迭代两个视角管理我们的接口文档,前端和测试更关注版本迭代中发生变更的接口编写代码…

游戏引擎学习第22天

移除 DllMain() 并成功重新编译 以下是对内容的详细复述与总结: 问题和解决方案: 在编译过程中遇到了一些问题,特别是如何告知编译器不要退出程序,而是继续处理。问题的根源在于编译过程中传递给链接器的参数设置不正确。原本尝试…

“软件定义汽车”时代 | 产线海量数据刷写解决方案

一 背景 从起初汽车概念问世时期的“机械定义汽车”,到电力出现后的“电器定义汽车”,再到电子科技迅猛发展后的“电子定义汽车”,再到如今的“软件定义汽车”,可以看出,软件在车辆中扮演着越来越重要的角色。与此同时…

基于预测反馈的情感分析情境学习

🏡作者主页:点击! 🤖编程探索专栏:点击! ⏰️创作时间:2024年11月25日20点02分 神秘男子影, 秘而不宣藏。 泣意深不见, 男子自持重, 子夜独自沉。 论文链接 点击开启你的论文编程之旅…

自制Windows系统(十)

上图 (真的不是Windows破解版) 开源地址:仿Windows

CTF-RE 从0到 N: 高版本 APK 调试 + APK逻辑修改再打包 + os层调试[2024 强网杯青少年专项赛 Flip_over] writeup

非常好的题,很适合新手入门!!! how tu use JEB 通过百度网盘分享的文件:app-debug.apk 链接:https://pan.baidu.com/s/11oPBq7LTnzasuefGeU6mXA?pwd1111 提取码:1111 --来自百度网盘超级会员V2的分享step1 反编译查看Manifest android:…

Taro React小程序开发框架 总结

目录 一、安装 二、目录结构 三、创建一个自定义页面 四、路由 1、API 2、传参 3、获取路由参数 4、设置TabBar 五、组件 六、API Taro非常好用的小程序框架,React开发者无缝衔接上。 一、安装 官方文档:Taro 文档 注意,项目创建…

qt添加模块

以QtNetwork模块为例 方式一 扩展-qt vs tools-qt project settings 方式二 右键选中项目-属性-qt project settings 方法三 在此界面选择select modules,即可进行相应模块添加

传统经验光照模型

1.什么是光照模型 光照模型(illumination model),也称为明暗模型,用于计算物体某点处的光强(颜色值),从算法理论基础而言,光照模型分为两类,一种是基于物理理论的,另一种是基于经验模型的。 基于物理理论的…

金融市场和预期

1.债券的分类 短期债券(Short-term Bonds): 通常指到期期限在1年以内的债券。 中期债券(Medium-term Bonds): 到期期限在1年到10年之间的债券。 长期债券(Long-term Bonds)&#xff…