torch
.
eq(
input
, other, out
=
None
)
-->
Tensor 比较元素相等性。第二个参数可为一个数或与第一个参数同类型形状的张量。
参数:
--input (Tensor)
:待比较张量
--other (Tensor or float)
:比较张量或数
--
out (Tensor, optional)
:输出张量,须为
ByteTensor
类型
or
与
input
同类型
--返回值:一个 torch.ByteTensor 张量,包含了每个位置的比较结果 (相等为 1,不
等为
0 )
返回类型:Tensor
例子:
>>> torch.eq(torch.Tensor([[1, 2], [3, 4]]),
torch.Tensor([[1, 1], [4, 4]]))
1 0
0 1
[torch.ByteTensor of size 2x2]
torch
.
equal(tensor1, tensor2)
-->
bool
如果两个张量有相同的形状和元素值,则返回Turn,否则False。
例子:
>>> torch.equal(torch.Tensor([1, 2]), torch.Tensor([1, 2]))
True
torch
.
ge(
input
, other, out
=
None
)
-->
Tensor 逐元素比较Input和other,即是否input≥
other
。
如果两个张量有相同的形状和元素值,则返回Ture,否则False。第二个参数可以为一个数或与第一个参数相同形状和类型的张量。
参数:
--input (Tensor)
:待对比的张量
--
other (Tensor or float)
:对比的张量或
float
值
--
out (Tensor, optional)
:输出张量。必须为
ByteTensor
或者与第一个参数
tensor相同类型。
--返回值:一个
torch.ByteTensor
张量,包含了每个位置的比较结果
(
是否
input>= other )。返回类型:
Tensor
例子:
>>> torch.ge(torch.Tensor([[1, 2], [3, 4]]),
torch.Tensor([[1, 1], [4, 4]]))
1 1
0 1
[torch.ByteTensor of size 2x2]
torch
.
gt(
input
, other, out
=
None
)
-->
Tensor 逐元素比较input和other,即是否input>other如果两个张量有相同的形状和元素值,则返回True,否则False。第二个参数可以为一个数或与第一个参数相同形状和类型的张量。
参数:
--
input (Tensor)
:要对比的张量
--other (Tensor or float)
:要对比的张量或
float
值
--
out (Tensor, optional)
:输出张量。必须为
ByteTensor
或者与第一个参数
tensor相同类型。
--返回值:一个
torch.ByteTensor
张量,包含了每个位置的比较结果
(
是否
input ≥other
)
。返回类型:
Tensor
例子:
>>> torch.gt(torch.Tensor([[1, 2], [3, 4]]),
torch.Tensor([[1, 1], [4, 4]])) ,
0 1
0 0
[torch.ByteTensor of size 2x2]
torch
.
kthvalue(
input
, k, dim
=
None
, out
=
None
)
->
(Tensor, LongTensor)取输入张量input指定维上第k个最小值。如果不指定dim,则默认为input的最后一维。返回一个元组(values,indices),其中indeices是原始输入张量input中沿dim维的第k个最小值下标。
参数:
--input (Tensor)
:要对比的张量
--k (int):第 k 个最小值
--
dim (int, optional)
:沿着此维进行排序
--out (tuple, optional):输出元组 (Tensor, LongTensor) 可选地给定作为 输出 buffers
例子:
>>> x = torch.arange(1, 6)
>>> x
1
2
3
4
5
[torch.FloatTensor of size 5]
>>> torch.kthvalue(x, 4) (tensor(4), tensor(3))
torch
.
le(
input
, other, out
=
None
)
-->
Tensor 逐元素比较Input和other,即是否input
≤
other 第二个参数可以为一个数或与第一个参数相同形状和类型的张量。
参数:
--input (Tensor):要对比的张量
--
other (Tensor or float )
:对比的张量或
float
值
--
out (Tensor, optional)
:输出张量。必须为
ByteTensor
或者与第一个参数 tensor相同类型。
--返回值:一个 torch.ByteTensor 张量,包含了每个位置的比较结果 (是否 input
<= other )
。返回类型:
Tensor
例子:
>>> torch.le(torch.Tensor([[1, 2], [3, 4]]),
torch.Tensor([[1, 1], [4, 4]]))
1 0
1 1
[torch.ByteTensor of size 2x2]
torch
.
lt(
input
, other, out
=
None
)
-->
Tensor 逐元素比较Input和other,即是否input<other,第二个参数可以为一个数或与第一个参数相同形状和类型的张量。
参数:
--
input (Tensor)
:要对比的张量
--other (Tensor or float ):对比的张量或
float
值
--out (Tensor, optional)
:输出张量。必须为
ByteTensor
或者与第一个参数
tensor相同类型
--input:一个 torch.ByteTensor 张量,包含了每个位置的比较结果 (是否 tensor <
other )
。返回类型:
Tensor
例子:
>>> torch.lt(torch.Tensor([[1, 2], [3, 4]]),
torch.Tensor([[1, 1], [4, 4]])) , →
0 0
1 0
[torch.ByteTensor of size 2x2]
torch
.
max() 返回输入张量所有元素的最大值。
参数:
--
input (Tensor)
:输入张量
例子:
>>> a = torch.randn(1, 3)
>>> a
0.4729 -0.2266 -0.2085
[torch.FloatTensor of size 1x3]
>>> torch.max(a)
0.4729
torch.max(input, dim, max=None, max_indices=None) ->(Tensor, LongTensor) 返回输入张量给定维度上每行的最大值,并同时返回每个最大值的位置索引。输出形状中,将dim维设定为1,其它与输入形状保持一致。
参数:
--input (Tensor):输入张量
--dim (int):指定的维度
--max (Tensor, optional):结果张量,包含给定维度上的最大值
--max_indices (LongTensor, optional):结果张量,包含给定维度上每个最大值的位置索引
例子:
>> a = torch.randn(4, 4)
>> a
0.0692 0.3142 1.2513 -0.5428
0.9288 0.8552 -0.2073 0.6409
1.0695 -0.0101 -2.4507 -1.2230
0.7426 -0.7666 0.4862 -0.6628
torch.FloatTensor of size 4x4]
>>> torch.max(a, 1)
(
1.2513
0.9288
1.0695
0.7426
[torch.FloatTensor of size 4x1] ,
2
0
0
0
[torch.LongTensor of size 4x1]
)
torch
.
max(
input
, other, out
=
None
)
-->
Tensor 返回输入张量给定维度上每行的最大值,并同时返回每个最大值的位置索引。即,outi
=
max
(
input
i
,
other
i
)输出形状中,将dim维设定为1,其它与输入形状保持一致。
参数:
--input (Tensor)
:输入张量
--
other (Tensor)
:输出张量
--out (Tensor, optional)
:结果张量
例子:
>>> a = torch.randn(4)
>>> a
1.3869
0.3912
-0.8634
-0.5468
[torch.FloatTensor of size 4]
>>> b = torch.randn(4)
>>> b
1.0067
-0.8010
0.6258
0.3627
[torch.FloatTensor of size 4]
>>> torch.max(a, b)
1.3869
0.3912
0.6258
0.3627
[torch.FloatTensor of size 4]