每日学习内容23/9/27

1.torch.exp()

torch.exp(张量名)

运算结果是 e^n ，即 e 的 n 次方 ，e是自然常数，n是单一元素值

最后的结果是e^n的集合，也就是一个新的张量，  如下：

x = torch.tensor([[4,3,2,1],[1,2,3,4]])
print(torch.exp(x))


tensor([[54.5981, 20.0855,  7.3891,  2.7183],
        [ 2.7183,  7.3891, 20.0855, 54.5981]])

注意：exp可以是多维张量，但任意维度内张量形状必须相同，否则报错。

2.torch.stack

torch.stack((多个张量名),dim=x)        意义是连结张量，进行堆叠，增加新的维度。

stack可以连结多个且形状相同的张量。dim后“x”的意思是第x+1维度内进行连结

例子如下：

T1 = torch.tensor([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
T2 = torch.tensor([[10, 20, 30],[40, 50, 60],[70, 80, 90]])
T3 = torch.tensor([[11, 22, 33],[44, 55, 66],[77, 88, 99]])
print(torch.stack((T1,T2,T3),dim=0))
print(torch.stack((T1,T2),dim=1))
print(torch.stack((T1,T2),dim=2))

 

tensor([[[ 1.,  2.,  3.],
         [ 4.,  5.,  6.],
         [ 7.,  8.,  9.]],

        [[10., 20., 30.],
         [40., 50., 60.],
         [70., 80., 90.]],

        [[11., 22.,  33.],
         [44., 55., 66.],
         [77., 88., 99.]]])
tensor([[[ 1,  2,  3],
         [10, 20, 30]],

        [[ 4,  5,  6],
         [40, 50, 60]],

        [[ 7,  8,  9],
         [70, 80, 90]]])
tensor([[[ 1, 10],
         [ 2, 20],
         [ 3, 30]],

        [[ 4, 40],
         [ 5, 50],
         [ 6, 60]],

        [[ 7, 70],
         [ 8, 80],
         [ 9, 90]]])