tensor和numpy中的乘法运算,如torch.mul()和torch.sum()函数的用法

1.区分一下张量的几种乘法

主要是在看代码时,这个**@**的作用记录一下
numpy或者tensor中点乘使用*或者np.multiply(),
np.dot(), np.matmul(),
tensor对应为pytorch 中涉及到矩阵之间的乘法(torch.mul, *, torch.mm, torch.matmul, @)
而叉乘使用@

2.加粗样式 torch.mul

对两个张量进行逐元素乘法
a = tensor([[ 0.2824],
[-0.3715],
[ 0.9088],
[-1.7601]])

b = tensor([[-0.1806, 2.0937, 1.0406, -1.7651]])

torch.mul(a, b)
tensor([[-0.0510, 0.5912, 0.2939, -0.4985],
[ 0.0671, -0.7778, -0.3866, 0.6557],
[-0.1641, 1.9027, 0.9457, -1.6041],
[ 0.3179, -3.6851, -1.8316, 3.1069]])

torch.mul(b, a)
tensor([[-0.0510, 0.5912, 0.2939, -0.4985],
[ 0.0671, -0.7778, -0.3866, 0.6557],
[-0.1641, 1.9027, 0.9457, -1.6041],
[ 0.3179, -3.6851, -1.8316, 3.1069]])

3.torch.sum()对输入的tensor数据的某一维度求和,一共两种用法

a = tensor([[1, 1, 1],
[1, 1, 1]])

a1 = torch.sum(a)
a2 = torch.sum(a, dim=0)
a3 = torch.sum(a, dim=1)

print(a)
print(a1)
print(a2)

tensor(6.)
tensor([2., 2., 2.])
tensor([3., 3.])

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值