day9 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 . remainder( input , divisor, out = None ) --> Tensor 返回一个新张量，包含输入Input张量每个元素的除法余数。除数与被除数可能同时包含整数或浮点数。余数与除数有相同的符号。

参数：

        --input (Tensor)：被除数

        -- divisor (Tensor or float) ：除数，一个数或者与除数相同大小的张量

        --out(Tensor, optional) ：输出张量

例子：

>>> torch.remainder(torch.Tensor([-3, -2, -1, 1, 2, 3]), 2)
torch.FloatTensor([1, 0, 1, 1, 0, 1])
>>> torch.remainder(torch.Tensor([1, 2, 3, 4, 5]), 1.5)
torch.FloatTensor([1.0, 0.5, 0.0, 1.0, 0.5])

        参考：函数 torch.fmod() 同样可以计算除法余数，相当于 C 的 库函数 fmod()

torch . round( input , out = None ) --> Tensor 返回一个新张量，将输入input张量每个元素舍入到最近的整数。

参数：

        --input (Tensor)：输入张量

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

例子：

>>> a = torch.randn(4)
>>> a
1.2290
1.3409
-0.5662
-0.0899
[torch.FloatTensor of size 4]

>>> torch.round(a)
 1
 1
-1
-0
[torch.FloatTensor of size 4]

torch . rsqrt( input , out = None ) --> Tensor返回一个新张量，包含输入input张量每个元素的平方根倒数。

参数：

        --input (Tensor) ：输入张量

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

例子：

>>> a = torch.randn(4)
>>> a
1.2290
1.3409
-0.5662
-0.0899
[torch.FloatTensor of size 4]

>>> torch.rsqrt(a)
0.9020
0.8636
nan
nan
[torch.FloatTensor of size 4]

torch . sigmoid( input , out = None ) --> Tensor 返回一个新的张量，包含输入Input张量每个元素的sigmoid值。

参数：

        --input (Tensor) ：输入张量

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

例子：

>>> a = torch.randn(4)
>>> a
-0.4972
1.3512
0.1056
-0.2650
[torch.FloatTensor of size 4]

>>> torch.sigmoid(a)
0.3782
0.7943
0.5264
0.4341
[torch.FloatTensor of size 4]

torch . sign( input , out = None ) --> Tensor 符号函数：返回一个新张量，包含输入input张量每个元素的正负。

参数：

        --input(Tensor) ：输入张量

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

例子：

>>> a = torch.randn(4)
>>> a
-0.6366
0.2718
0.4469
1.3122
[torch.FloatTensor of size 4]

>>> torch.sign(a)
-1
 1
 1
 1
[torch.FloatTensor of size 4]

torch . sin( input , out = None ) --> Tensor 返回一个新张量，包含输入Input张量每个元素的正弦。

参数：

        --input (Tensor)：输入张量

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

例子：

>>> a = torch.randn(4)
>>> a
-0.6366
0.2718
0.4469
1.3122
[torch.FloatTensor of size 4]

>>> torch.sin(a)
-0.5944
0.2684
0.4322
0.9667
[torch.FloatTensor of size 4]

torch . sinh( input , out = None ) --> Tensor 返回一个新张量，包含输入Input张量每个元素的双曲正弦。

参数：

        --input (Tensor) ：输入张量

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

例子：

>>> a = torch.randn(4)
>>> a 
-0.6366
 0.2718
 0.4469
 1.3122
 [torch.FloatTensor of size 4]

>>> torch.sinh(a)
-0.6804
 0.2751
 0.4619
 1.7225
 [torch.FloatTensor of size 4]

torch.sqrt(input, out=None) -->Tensor返回一个新张量，包含输入Input张量每个元素的平方根。

参数：

        --input (Tensor)：输入张量

        --out (Tensor, optional)：输出张量

例子：

>>> a = torch.randn(4)
>>> a
1.2290
1.3409
-0.5662
-0.0899
[torch.FloatTensor of size 4]

>>> torch.sqrt(a)
1.1086
1.1580
nan
nan
[torch.FloatTensor of size 4]

torch.tan(input, out=None) -->Tensor 返回一个新张量，包含输入input张量每个元素正切。

参数：

        --input (Tensor)：输入张量

        --out (Tensor, optional)：输出张量

例子：

>>> a = torch.randn(4)
>>> a
-0.6366
0.2718
0.4469
1.3122
[torch.FloatTensor of size 4]

>>> torch.tan(a)
-0.7392
0.2786
0.4792
3.7801
[torch.FloatTensor of size 4]

torch . tanh( input , out = None ) --> Tensor 返回一个新张量，包含输入Input张量每个元素的双曲正切。

参数：

        --input (Tensor) ：输入张量

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

例子：

>>> a = torch.randn(4)
>>> a
-0.6366
0.2718
0.4469
1.3122
[torch.FloatTensor of size 4]

>>> torch.tanh(a)
-0.5625
0.2653
0.4193
0.8648
[torch.FloatTensor of size 4]

torch . trunc( input , out = None ) --> Tensor 返回一个新张量，包含输入Input张量每个元素的截断值（标量x的截断值是最接近其的整数，其比x更接近零。简而言之，有符号数的小数部分被舍弃）。

参数：

        --input (Tensor) ：输入张量

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

例子：

>>> a = torch.randn(4)
>>> a
-0.4972
1.3512
0.1056
-0.2650
[torch.FloatTensor of size 4]

>>> torch.trunc(a)
-0
10
-0
[torch.FloatTensor of size 4]