小编use*_*868的帖子

我有一个形状张量(3072,1000)，代表神经网络中的权重。我想要：

1. 随机将其 60% 的元素设置为零。
2. 更新权重后，保持 60% 的元素等于 0，但同样是随机的，即与之前的元素不同。

注意：我的网络不是使用反向传播算法的通常的人工神经网络，而是大脑中神经元的生物物理模型，因此我使用特殊的权重更新规则。因此，我认为pytorch中的现成函数（如果有的话）可能没有帮助。

我尝试了以下代码，它可以工作，但需要很长时间，因为每次更新权重张量后，我都必须运行该代码以再次将权重张量设置为 60% 零

row_indices = np.random.choice(np.size(mytensor.weight, 0),
                       replace=False,size=int(np.size(mytensor.weight, 0)* 0.6))
column_indices = np.random.choice(np. size(mytensor.weight, 1),
                       replace=False, size=int(np. size(mytensor.weight, 1) * 0.6))
for r in row_indices:
    for c in column_indices:
        (mytensor.weight)[r][c] = 0

Pytorch 使用以下值作为 cifar10 数据的平均值和标准差：transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))

我需要理解计算背后的概念，因为这些数据是 3 通道图像，我不明白什么是相加的，什么是除什么的等等。另外，如果有人可以分享计算平均值和标准差的代码，将非常感激。