[PyTroch系列-8]：PyTorch基础 - 张量的取整运算

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/119429253

---

目录

 第1 章 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 取整运算概述

第2章 向下取整：floor()

第3章 向上取整：ceil()

第4章 四舍五入的函数：around() 

第5章 裁剪取整数部分：trunc()

第6章 取小数部分：frac()

第7章 取余数运算：remainder()

---

 第1 章 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：矩阵、点乘、叉乘

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 取整运算概述

第2章 向下取整：floor()

floor() 返回小于或者等于指定表达式的最大整数，即向下取整，即小于该数的、与该数最接近的整数。

#实例

a = torch.Tensor([0.24, 1.0, 2.1,  3, 4.55])  
print  ('原数组：')
print (a)
print ('\n')

print ('运算后：')
print (torch.floor(a))

#输出结果为：

原数组：
tensor([0.2400, 1.0000, 2.1000, 3.0000, 4.5500])


运算后：
tensor([0., 1., 2., 3., 4.])

第3章 向上取整：ceil()

ceil() 返回大于或者等于指定表达式的最小整数，即向上取整。

#实例

a = torch.Tensor([0.24, 1.0, 2.1,  3, 4.55])  
print  ('原数组：')
print (a)
print ('\n')

print ('运算后：')
print (torch.ceil(a)) 

#输出结果为：

原数组：
tensor([0.2400, 1.0000, 2.1000, 3.0000, 4.5500])


运算后：
tensor([1., 1., 3., 3., 5.])

第4章 四舍五入的函数：around() 

around() 函数返回指定数字的四舍五入值。

#实例

a = torch.Tensor([0.24, 1.0, 2.1,  3, 4.55])  
print  ('原数组：')
print (a)
print ('\n')

print ('运算后：')
print (torch.round(a)) 

#输出结果为：

原数组：
tensor([0.2400, 1.0000, 2.1000, 3.0000, 4.5500])


运算后：
tensor([0., 1., 2., 3., 5.])

第5章 裁剪取整数部分：trunc()

trunc() 函数返回指定数字的整数部分

a = torch.Tensor([0.24, 1.0, 2.1,  3, 4.55])  
print  ('原数组：')
print (a)
print ('\n')

print ('运算后：')
print (torch.trunc(a)) 

#输出结果：

原数组：
tensor([0.2400, 1.0000, 2.1000, 3.0000, 4.5500])


运算后：
tensor([0., 1., 2., 3., 4.])

第6章 取小数部分：frac()

frac() 函数返回指定数字的分数

a = torch.Tensor([0.24, 1.0, 2.1,  3, 4.55])  
print  ('原数组：')
print (a)
print ('\n')

print ('运算后：')
print (torch.frac(a)) 

输出结果：

原数组：
tensor([0.2400, 1.0000, 2.1000, 3.0000, 4.5500])


运算后：
tensor([0.2400, 0.0000, 0.1000, 0.0000, 0.5500])

第7章 取余数运算：remainder()

numpy.mod() 计算输入数组中相应元素的相除后的余数。

函数 numpy.remainder() 也产生相同的结果。

实例

a = torch.Tensor([10,10,10,10,10])
b = torch.Tensor([1,2,3,4,5])
print("原数据a")
print(a)
print("原数据b")
print(b)

#导数运算
print("运算后数据")
print(a%b)
print(torch.remainder(a,b))
print(a.remainder(b))

print("原数据a")
print (a)

输出结果为：

原数据a
tensor([10., 10., 10., 10., 10.])
原数据b
tensor([1., 2., 3., 4., 5.])
运算后数据
tensor([0., 0., 1., 2., 0.])
tensor([0., 0., 1., 2., 0.])
tensor([0., 0., 1., 2., 0.])
原数据a
tensor([10., 10., 10., 10., 10.])

---

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/119429253