[PyTroch系列-6]：PyTorch基础 - 张量的三角函数运算

作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119384608

---

目录

第1部分：Tensor运算概述

1.1 概述

1.3  “in place“运算 

1.4 Tensor的广播机制: 不同维度的tensor实例运算

1.5 环境准备

1.6 三角函数概述

第2部分 正弦运算

第3部分 余弦运算

第4部分 “in place“运算示例

---

---

第1部分：Tensor运算概述

1.1 概述

PyTorch提供了大量的张量运算，基本上可以对标Numpy多维数组的运算，以支持对张量的各种复杂的运算。

这些操作运算中大多是对数组中每个元素执行相同的函数运算，并获得每个元素函数运算的结果序列，这些序列生成一个新的同维度的数组。

https://pytorch.org/docs/master/torch.html

1.2 运算分类

（1）算术运算：加、减、系数乘、系数除

（2）函数运算：sin，cos

（3）取整运算：上取整、下取整

（4）统计运算：最大值、最小值、均值

（5）线性代数运算

1.3  “in place“运算 

“in place“运算不是某个特定的函数运算，而是每个函数都有自己的“in place“运算的版本。

xxx_()：执行完该操作，直接修改tensor自身的值。

基本上，每个函数都有自己的in place版本。

如

torch.cos() =》torch.cos_()

torch.floor() =》torch.floor_()

1.4 Tensor的广播机制: 不同维度的tensor实例运算

1.5 环境准备

import numpy as np
import torch
 
print("Hello World")
print(torch.__version__)
print(torch.cuda.is_available())

1.6 三角函数概述

PyTorch提供了标准的三角函数：sin()、cos()、tan()。

说明：如果把数组A作为x轴数据，把三角函数的运算结果B作为y轴数据，并送给画图工具，就可以得到三角函数的图像。

• abs:绝对值
• cosh：双曲余弦函数

第2部分 正弦运算

#实例

#实例
a = torch.Tensor([0,30,45,60,90])
print(a)

print ('不同角度的正弦值：')
# 通过乘 pi/180 转化为弧度  
print (torch.sin(a*np.pi/180))
print ('\n')

输出结果：

tensor([ 0., 30., 45., 60., 90.])
不同角度的正弦值：
tensor([0.0000, 0.5000, 0.7071, 0.8660, 1.0000])

第3部分 余弦运算

#实例
a = torch.Tensor([0,30,45,60,90])
print(a)

print ('不同角度的余弦值：')
# 通过乘 pi/180 转化为弧度  
print (torch.cos(a*np.pi/180))
print ('\n')

输出结果：

tensor([ 0., 30., 45., 60., 90.])
不同角度的余弦值：
tensor([ 1.0000e+00,  8.6603e-01,  7.0711e-01,  5.0000e-01, -4.3711e-08])

arcsin，arccos，和 arctan 函数返回给定角度的 sin，cos 和 tan 的反三角函数。

这些函数的结果可以通过 numpy.degrees() 函数将弧度转换为角度。

第4部分 “in place“运算示例

下面的运算仅仅是一个示例，其他函数与之有相类似的功能。

（1）非in place运算：不修改tensor自身的值，结果存放在一个新的tensor中

a = torch.Tensor([1.0,5.55,  123,  0.567,  25.532])  
print  ('原数组：')
print (a)
print ('\n')

print ('向上取整：')
print (torch.ceil(a))                   #整数
print ('\n')

print  ('原数组：')
print (a)
print ('\n')

输出结果

原数组：
tensor([  1.0000,   5.5500, 123.0000,   0.5670,  25.5320])


向上取整：
tensor([  1.,   6., 123.,   1.,  26.])

原数组：
tensor([  1.0000,   5.5500, 123.0000,   0.5670,  25.5320])

（2）in place运算：修改tensor自身的值，结果存放在一个原tensor中

a = torch.Tensor([1.0,5.55,  123,  0.567,  25.532])  
print  ('原数组：')
print (a)
print ('\n')

print ('向上取整：')
print (torch.ceil_(a)) #整数
print ('\n')

print  ('原数组：')
print (a)
print ('\n')

#输出结果：

原数组：
tensor([  1.0000,   5.5500, 123.0000,   0.5670,  25.5320])


向上取整：
tensor([  1.,   6., 123.,   1.,  26.])


原数组：
tensor([  1.,   6., 123.,   1.,  26.])

---

---

作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119384608