day11 累积操作2 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 . norm( input , p, dim, out = None ) --> Tensor 返回输入张量给定维dim上每行的P范数。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

        --p (float) ：范数计算中的幂指数值

        --dim (int)：缩减的维度

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

例子：

>>> a = torch.randn(4, 2)
>>> a
-0.6891 -0.6662
0.2697 0.7412
0.5254 -0.7402
0.5528 -0.2399
[torch.FloatTensor of size 4x2]

>>> torch.norm(a, 2, 1)
0.9585
0.7888
0.9077
0.6026
[torch.FloatTensor of size 4x1]

>>> torch.norm(a, 0, 1) 
2
2
2
2
[torch.FloatTensor of size 4x1]

torch . prod( input ) --> float 返回输入张量input所有元素的积。input(Tensor)：输入张量。

例子：

>>> a = torch.randn(1, 3)
>>> a
0.6170 0.3546 0.0253
[torch.FloatTensor of size 1x3]
>>> torch.prod(a)
0.005537458061418483

torch . prod( input , dim, out = None ) --> Tensor 返回输入张量给定维度上每行的积。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) ：缩减的维度

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

例子：

>>> a = torch.randn(4, 2)
>>> a
0.1598 -0.6884
-0.1831 -0.4412
-0.9925 -0.6244
-0.2416 -0.8080
[torch.FloatTensor of size 4x2]

>>> torch.prod(a, 1)
-0.1100
0.0808
0.6197
0.1952
[torch.FloatTensor of size 4x1]

torch . std( input ) --> float 返回输入张量input所有元素的标准差。

参数：

        -- input (Tensor) ：输入张量

例子：

>>> a = torch.randn(1, 3)
>>> a
-1.3063 1.4182 -0.3061
[torch.FloatTensor of size 1x3]

>>> torch.std(a)
1.3782334731508061

torch . std( input , dim, out = None ) --> Tensor 返回输入张量给定维度上每行的标准差。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) ：缩减的维度

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

例子：

>>> a = torch.randn(4, 4)
>>> a
0.1889 -2.4856 0.0043 1.8169
-0.7701 -0.4682 -2.2410 0.4098
0.1919 -1.1856 -1.0361 0.9085
0.0173 1.0662 0.2143 -0.5576
[torch.FloatTensor of size 4x4]

>>> torch.std(a, dim=1)
1.7756
1.1025
1.0045
0.6725
[torch.FloatTensor of size 4x1]

torch . sum( input ) --> float 返回输入张量Input所有元素的和。输出形状与输入相同，除了给定维度上为1。

        --input（Tensor）:输出张量

例子：

>>> a = torch.randn(1, 3)
>>> a
0.6170 0.3546 0.0253
[torch.FloatTensor of size 1x3]

>>> torch.sum(a)
0.9969287421554327

torch . sum( input , dim, out = None ) --> Tensor 返回输入张量给定维度上每行的和。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) ：缩减的维度

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

例子：

>>> a = torch.randn(4, 4)
>>> a
-0.4640 0.0609 0.1122 0.4784
-1.3063 1.6443 0.4714 -0.7396
-1.3561 -0.1959 1.0609 -1.9855
2.6833 0.5746 -0.5709 -0.4430
[torch.FloatTensor of size 4x4]

>>> torch.sum(a, 1)
0.1874
0.0698
-2.4767
2.2440
[torch.FloatTensor of size 4x1]

torch . var( input ) --> float 返回输入张量所有元素的方差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

例子：

>>> a = torch.randn(1, 3)
>>> a
-1.3063 1.4182 -0.3061
[torch.FloatTensor of size 1x3]

>>> torch.var(a)
1.899527506513334

torch . var( input , dim, out = None ) --> Tensor 返回输入张量给定维度上每行的方差。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.var(a, 1)
0.8859
0.9509
0.7548
0.6949
[torch.FloatTensor of size 4x1]
比较操作 Comparison Ops