torch
.
cumprod(
input
, dim, out
=
None
)
-->
Tensor 返回输入沿指定维度的累积。例如,如果输入是一个N元向量,则结果也是一个N元向量,第i个输出元素值为y
i
=
x
1
·
x
2
·
x
3
·
...
·
x
i
参数:
--input (Tensor):输入张量
--
dim (int)
:累积积操作的维度
--out (Tensor, optional)
:结果张量
例子:
>>> a = torch.randn(10)
>>> a
1.1148
1.8423
1.4143
-0.4403
1.2859
-1.2514
-0.4748
1.1735
-1.6332
-0.4272
[torch.FloatTensor of size 10]
>>> torch.cumprod(a, dim=0)
1.1148
2.0537
2.9045
-1.2788
-1.6444
2.0578
-0.9770
-1.1466
1.8726
-0.8000
[torch.FloatTensor of size 10]
>>> a[5] = 0.0
>>> torch.cumprod(a, dim=0)
1.1148
2.0537
2.9045
-1.2788
-1.6444
-0.0000
0.0000
0.0000
-0.0000
0.0000
[torch.FloatTensor of size 10]
torch
.
cumsum(
input
, dim, out
=
None
)
-->
Tensor 返回输入沿指定维度的累积和。例如,如果输入是一个N元向量,则结果也是一个N元向量,第i个输出元素值为
y
i =
x1 +
x2 +
x3 +
...+
x
i
参数:
--
input (Tensor)
:输入张量
--dim (int)
:累积和操作的维度
--
out (Tensor, optional)
:结果张量
例子:
>>> a = torch.randn(10)
>>> a
-0.6039
-0.2214
-0.3705
-0.0169
1.3415
-0.1230
0.9719
0.6081
-0.1286
1.0947
[torch.FloatTensor of size 10]
>>> torch.cumsum(a, dim=0)
-0.6039
-0.8253
-1.1958
-1.2127
0.1288
0.0058
0.9777
1.5858
1.4572
2.5519
[torch.FloatTensor of size 10]
torch
.
dist(
input
, other, p
=2
, out
=
None
)
-->
Tensor 返回(input-other)的p范数。
参数:
--input(Tensor):输入张量
--other (Tensor)
:右侧输入张量
--
p (float, optional)
:所计算的范数
--out (Tensor, optional):结果张量
例子:
>>> x = torch.randn(4)
>>> x
0.2505
-0.4571
-0.3733
0.7807
[torch.FloatTensor of size 4]
>>> y = torch.randn(4)
>>> y
0.7782
-0.5185
1.4106
-2.4063
[torch.FloatTensor of size 4]
>>> torch.dist(x, y, 3.5)
3.302832063224223
>>> torch.dist(x, y, 3)
3.3677282206393286
>>> torch.dist(x, y, 0)
inf
>>> torch.dist(x, y, 1)
5.560028076171875
torch
.
mean(
input
)
-->
float 返回输入张量所有元素的均值。
参数:
--input(Tensor):输入张量
例子:
>>> a = torch.randn(1, 3)
>>> a
-0.2946 -0.9143 2.1809
[torch.FloatTensor of size 1x3]
>>> torch.mean(a)
0.32398951053619385
torch
.
mean(
input
, dim, out
=
None
)
-->
Tensor 返回输入张量给定维度dim上每行的均值。
输出形状与输入相同,除了给定维度上为1.
参数:
--
input (Tensor)
:输入张量
--dim (int):the dimension to reduce
--
out (Tensor, optional)
:结果张量
例子:
>>> a = torch.randn(4, 4)
>>> a
-1.2738 -0.3058 0.1230 -1.9615
0.8771 -0.5430 -0.9233 0.9879
1.4107 0.0317 -0.6823 0.2255
-1.3854 0.4953 -0.2160 0.2435
[torch.FloatTensor of size 4x4]
>>> torch.mean(a, 1)
-0.8545
0.0997
0.2464
-0.2157
[torch.FloatTensor of size 4x1]
torch
.
median(
input
, dim
=-1
, values
=
None
, indices
=
None
)
->
(Tensor, LongTens)返回输入张量给定维度每行的中位数,同时返回一个包含中位数的索引的LongTensor。
dim值默认为输入张量的最后一维。输出形状与输入相同,除了给定维度上为1.
注意:这个函数还没有在torch.cuda.Tensor中定义。
参数:
--input(Tensor)
:输入张量
--
dim (int)
:缩减的维度
--values (Tensor, optional)
:结果张量
--
indices (Tensor, optional)
:返回的索引结果张量
例子:
>>> a = torch.randn(4, 5)
>>> a
0.4056 -0.3372 1.0973 -2.4884 0.4334
2.1336 0.3841 0.1404 -0.1821 -0.7646
-0.2403 1.3975 -2.0068 0.1298 0.0212
-1.5371 -0.7257 -0.4871 -0.2359 -1.1724
[torch.FloatTensor of size 4x5]
>>> torch.median(a, 1) (
0.4056
0.1404
0.0212
-0.7257
[torch.FloatTensor of size 4x1]
0
2
4
1
[torch.LongTensor of size 4x1] )
torch
.
mode(
input
, dim
=-1
, values
=
None
, indices
=
None
)
->
(Tensor, LongTensor)
返回给定维dim上,每行的众数值。同时返回一个LongTensor,包含众数值的索引。dim值默认为输入张量的最后一维。输出形状与输入相同,除了给定维度上为1。
这个函数还没有在torch.cuda.Tensor中定义
参数:
--
input (Tensor)
:输入张量
--
dim (int)
:缩减的维度
--values (Tensor, optional)
:结果张量
--indices (Tensor, optional):返回的索引张量
例子:
>>> a = torch.randn(4, 5)
>>> a
0.4056 -0.3372 1.0973 -2.4884 0.4334
2.1336 0.3841 0.1404 -0.1821 -0.7646
-0.2403 1.3975 -2.0068 0.1298 0.0212
-1.5371 -0.7257 -0.4871 -0.2359 -1.1724
[torch.FloatTensor of size 4x5]
>>> torch.mode(a, 1)
(
-2.4884
-0.7646
-2.0068
-1.5371
[torch.FloatTensor of size 4x1]
3
4
2
0
[torch.LongTensor of size 4x1] )
torch
.
norm(
input
, p
=2
)
-->
float
返回输入张量Input的P范数。
参数:
--input (Tensor):输入张量
--
p (float,optional)
:范数计算中的幂指数值
例子:
>>> a = torch.randn(1, 3)
>>> a
-0.4376 -0.5328 0.9547
[torch.FloatTensor of size 1x3]
>>> torch.norm(a, 3)
1.0338925067372466