asin() –>Tensor 请查看
torch.asin()
asin_()
–>Tensor asin()
的
in-place
运算形式
atan() –>Tensor
请查看
torch.atan()
atan2() –>Tensor
请查看
torch.atan2()
atan2_() –>Tensor atan2() 的 in-place 运算形式
atan_() –>Tensor atan()
的
in-place
运算形式
baddbmm(beta=1, alpha=1, batch1, batch2) –>Tensor
请查看
torch.baddbmm()
baddbmm_(beta=1, alpha=1, batch1, batch2) –>Tensor baddbmm()
的
in-place
运算形式
bernoulli() –>Tensor
请查看
torch.bernoulli()
bernoulli_() –>Tensor bernoulli()
的
in-place
运算形式
bmm(batch2) –>Tensor 请查看
torch.bmm()
byte() –>Tensor
将
tensor
改为
byte
类型
bmm(median=0, sigma=1, *, generator=None) –>Tensor
将
tensor 中元素用柯西分布得到的数值填充:P
(
x
) =
1
πσ
(
xmedian
)
2
+
σ
2
ceil() –>Tensor
请查看
torch.ceil()
ceil_() –>Tensor ceil()
的
in-place
运算形式
char()
将
tensor
元素改为
char
类型
chunk(n_chunks, dim=0) –>Tensor
将
tensor
分割为
tensor
元组
.
请查看
torch.chunk()
clamp(min, max) –>Tensor
请查看
torch.clamp()
clamp_(min, max) –>Tensor clamp()
的
in-place
运算形式
clone() –>Tensor
返回与原
tensor
有相同大小和数据类型的
tensor
contiguous() –>Tensor
返回一个内存连续的有相同数据的
tensor
,如果原
tensor
内存连续则返回原tensor
copy_(src, async=False) –>Tensor
将
src
中的元素复制到
tensor
中并返回这个 tensor。两个 tensor 应该有相同数目的元素,可以是不同的数据类型或存储在不同的设备上。
参数:
--
src (Tensor)-
复制的源
tensor
--async (bool)-
如果为
True
并且复制是在
CPU
和
GPU
之间进行的,则复制后的拷贝可能会与源信息异步,对于其他类型的复制操作则该参数不会发生作用。
cos() –>Tensor
请查看
torch.cos()
cos_() –>Tensor cos()
的
in-place
运算形式
cosh() –>Tensor
请查看
torch.cosh()
cosh_() –>Tensor
cosh()
的
in-place
运算形式
cpu() –>Tensor 如果在 CPU 上没有该 tensor,则会返回一个 CPU 的副本
cross(other, dim=-1) –>Tensor
请查看
torch.cross()
cuda(device=None, async=False)
返回此对象在
CPU
内存中的一个副本 如果对象已近存在于CUDA存储中并且在正确的设备上,则不会进行复制并返回原始对象。
参数:
--device(int)-
目的
GPU
的
id
,默认为当前的设备
--async(bool)-如果为 True 并且资源在固定内存中,则复制的副本将会与原始数据异步。否则,该参数没有意义。
cumprod(dim) –>Tensor 请查看 torch.cumprod()
cumsum(dim) –>Tensor 请查看 torch.cumsum()
data_ptr() –>int
返回
tensor
第一个元素的地址
diag(diagonal=0) –>Tensor
请查看
torch.diag()
dim() –>int 返回 tensor 的维数
dist(other, p=2) –>Tensor 请查看 torch.dist()
div(value)
请查看
torch.div()
div_(value) div()
的
in-place
运算形式
dot(tensor2) –>float 请查看
torch.dot()
double()
将该
tensor
投射为
double
类型
eig(eigenvectors=False) -> (Tensor, Tensor)
请查看
torch.eig()
element_size() –>int
返回单个元素的字节大小.
例子:
>>> torch.FloatTensor().element_size()
4
>>> torch.ByteTensor().element_size()
1