موترات المعالج المركزي والأنواع العددية والأشكال

import torch
source = [[1.0,2.0],[3.0,4.0],[5.0,6.0]]
x = torch.tensor(source, dtype=torch.float64, device="cpu")
source[0][0] = 99.0
print(tuple(x.shape), x.dtype == torch.float64, x.device.type)
print("copied first value", x[0,0].item())
print("feature means", x.mean(dim=0).tolist())

(3, 2) True cpu
copied first value 1.0
feature means [3.0, 4.0]

ينسخ الباني الموثق القائمة المتداخلة المعطاة إلى موتر float64 على المعالج المركزي؛ فلا يغير تعديل القائمة الموتر. لم ينفذ هذا السلوك المتوقع في PyTorch.

rows = [[1.0,2.0],[3.0,4.0],[5.0,6.0]]
assert len({len(row) for row in rows}) == 1
feature_means = [sum(row[j] for row in rows)/len(rows) for j in range(2)]
row_means = [sum(row)/len(row) for row in rows]
print("feature means", feature_means)
print("observation means", row_means)
print("shape", (len(rows),len(rows[0])))

feature means [3.0, 4.0]
observation means [1.5, 3.5, 5.5]
shape (3, 2)

يفحص المرافق حساب المحاور على قوائم معطاة. ولا يختبر إنشاء الموتر أو نوعه أو تخزينه أو بثه أو أي سلوك تنفيذي لـPyTorch.