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]