day8 数学操作 按点操作 入门 一起学 PyTorch吧，PyTorch从入门开始 每天都更新 超详细 参数 常用方法 简单案列 共同学习，共同进步 坚持

torch . frac(tensor, out = None ) --> Tensor 返回每个元素的分数部分。

例子：

>>> torch.frac(torch.Tensor([1, 2.5, -3.2])
torch.FloatTensor([0, 0.5, -0.2])

torch . lerp(start, end, weight, out = None ) 对两个张量以start,end 做线性插值，将返回结果返回到输出张量。即：out i = start i + weight ∗ ( end i − start i )

参数：

        --start (Tensor) ：起始点张量

        --end (Tensor) ：终止点张量

        --weight (float) ：插值公式的 weight

        -- out (Tensor, optional) ：结果张量

例子：

>>> start = torch.arange(1, 5)
>>> end = torch.Tensor(4).fill_(10)
>>> start
1
2
3
4
[torch.FloatTensor of size 4]

>>> end
10
10
10
10
[torch.FloatTensor of size 4]

>>> torch.lerp(start, end, 0.5)

5.5000
6.0000
6.5000
7.0000
[torch.FloatTensor of size 4]

torch . log( input , out = None ) --> Tensor计算input的自然对数。

参数：

        --input (Tensor) ：输入张量

        --out (Tensor, optional) ：输出张量

例子：

>>> a = torch.randn(5)
>>> a
-0.4183
0.3722
-0.3091
0.4149
0.5857
[torch.FloatTensor of size 5]

>>> torch.log(a)
nan
-0.9883
nan
-0.8797
-0.5349
[torch.FloatTensor of size 5]

torch . log1p( input , out = None ) --> Tensor 计算 input+1 的自然对数 y i =log ( x i + 1 ) 注意：对值比较小的输入，此函数比 torch.log() 更准确。

如果输入是 FloatTensor or DoubleTensor 类型，则 value 必须为实数，否则须为整数。

参数：

        --input(Tensor) ：输入张量

        --out(Tensor,optional):输出张量

例子：

>>> a = torch.randn(5)
>>> a
-0.4183
0.3722
-0.3091
0.4149
0.5857
[torch.FloatTensor of size 5]

>>> torch.log1p(a)
-0.5418
0.3164
-0.3697
0.3471
0.4611
[torch.FloatTensor of size 5]

torch . mul( input , value, out = None ) 用标量值 value 乘以输入 input 的每个元素，并返回一个新的结果张量。 out = tensor · value 。

参数：

        --input (Tensor)：输入张量

        -- value (Number)：乘到每个元素的数

        -- out (Tensor, optional) ：输出张量

例子：

>>> a = torch.randn(3)
>>> a
-0.9374
-0.5254
-0.6069
[torch.FloatTensor of size 3]

>>> torch.mul(a, 100)
-93.7411
-52.5374
-60.6908
[torch.FloatTensor of size 3]

torch . mul( input , other, out = None )两个张量 input,other 按元素进行相乘并返回到输出张量。即计算 out i = input i · otheri两计算张量形状不须匹配，但总元素数须一致。注意：当形状不匹配时，input 的形状作为输入张量的形状。

参数：

        --   input (Tensor) ：第一个相乘张量

        --other (Tensor) ：第二个相乘张量

        --out (Tensor, optional) ：结果张量

例子：

>>> a = torch.randn(4,4)
>>> a
-0.7280 0.0598 -1.4327 -0.5825
-0.1427 -0.0690 0.0821 -0.3270
-0.9241 0.5110 0.4070 -1.1188
-0.8308 0.7426 -0.6240 -1.1582
[torch.FloatTensor of size 4x4]

>>> b = torch.randn(2, 8)
>>> b
0.0430 -1.0775 0.6015 1.1647 -0.6549 0.0308 -0.1670
1.0742 , →
-1.2593 0.0292 -0.0849 0.4530 1.2404 -0.4659 -0.1840
0.5974 , → [torch.FloatTensor of size 2x8]

>>> torch.mul(a, b)
-0.0313 -0.0645 -0.8618 -0.6784
0.0934 -0.0021 -0.0137 -0.3513
1.1638 0.0149 -0.0346 -0.5068
-1.0304 -0.3460 0.1148 -0.6919
[torch.FloatTensor of size 4x4]

torch . neg( input , out = None ) --> Tensor 返回一个新张量，包含输入 input张量按元素取负。即， out = − 1 · input

参数：

        --input (Tensor) ：输入张量

        --out (Tensor, optional) ：输出张量

例子：

>>> a = torch.randn(5)
>>> a
-0.4430
1.1690
-0.8836
-0.4565
0.2968
[torch.FloatTensor of size 5]

>>> torch.neg(a)
0.4430
-1.1690
0.8836
0.4565
-0.2968
[torch.FloatTensor of size 5]

• torch . pow( input , exponent, out = None )对输入 input 的按元素求 exponent 次幂值，并返回结果张量。幂值 exponent 可以为单一 float 数或者与 input 相同元素数的张量。

当幂值为标量时，执行操作： out i = x exponent 当幂值为张量时，执行操作： out i = x exponent i

参数：

        --input (Tensor) ：输入张量

        --exponent (float or Tensor) ：幂值

        --out (Tensor, optional) ：输出张量

例子：

>>> a = torch.randn(4)
>>> a
-0.5274
-0.8232
-2.1128
1.7558
[torch.FloatTensor of size 4]

>>> torch.pow(a, 2)
0.2781
0.6776
4.4640
3.0829
[torch.FloatTensor of size 4]

>>> exp = torch.arange(1, 5)
>>> a = torch.arange(1, 5)
>>> a

1
2
3
4
[torch.FloatTensor of size 4]

>>> exp
1
2
3
4
[torch.FloatTensor of size 4]

>>> torch.pow(a, exp)
1
4
27
256
[torch.FloatTensor of size 4]

torch.pow(base, input, out=None) base为标量浮点值,input 为张量，返回的输出张量out 与输入张量相同形状。

执行操作为： outi = base inputi

参数：

        --base (float) ：标量值，指数的底

        --input ( Tensor)：幂值

        -- out (Tensor, optional) ：输出张量

例子：

>>> exp = torch.arange(1, 5)
>>> base = 2
>>> torch.pow(base, exp)
2
4
8
16
[torch.FloatTensor of size 4]

torch . reciprocal( input , out = None ) --> Tensor返回一个新张量，包含输入 input 张量每个元素的倒数，

参数：

        -- input (Tensor) ：输入张量

        -- out (Tensor, optional) ：输出张量

例子：

>>> a = torch.randn(4)
>>> a
1.3869
0.3912
-0.8634
-0.5468
[torch.FloatTensor of size 4]

>>> torch.reciprocal(a)
0.7210
2.5565
-1.1583
-1.8289
[torch.FloatTensor of size 4]