day10 累积操作 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 . 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