Torch包函数2 - v1.1(施工中止)

  1. mvlgamma(input,p): → Tensor

    沿p维度逐元素计算多变量的log-gamma函数,log-gamma函数定义如下:

    在这里插入图片描述
    其中
    在这里插入图片描述
    而Γ(⋅)是Gamma函数。

    如果input中的任何一个元素小于等于
    在这里插入图片描述
    则会报错。

    参数

    input(Tensor): log-gamma函数的输入值。

    p(int): 维度数。

    Example:

    在这里插入图片描述

  2. torch.neg(input,out=None): → Tensor

    返回由input中元素的负值组成的张量。

    在这里插入图片描述
    参数

    input(Tensor): 输入张量。

    out(Tensor,可选): 输出张量。

    Example:

    在这里插入图片描述

  3. torch.pow(): → Tensor

    1. torch.pow(input,exponent,out=None): → Tensor

      计算input的每个元素的以exponent为幂的指数值。

      exponent既可以是浮点数,也可以是和input broadcastable的张量。

      当exponent为标量值时,函数操作为:

      在这里插入图片描述
      当exponent为张量时,函数操作为:

      在这里插入图片描述
      当exponent为张量时,input和exponent的形状必须broadcastable。

      参数

      input(Tensor): 输入张量。

      exponent(Float/Tensor): 幂值。

      out(Tensor,可选): 输出张量

      Example:

      在这里插入图片描述

    2. torch.pow(base,input,out=None): → Tensor

      base为float标量,而input为张量。返回的out张量的形状与input相同。

      函数操作为:

      在这里插入图片描述
      参数

      input(Tensor): 输入张量。

      out(Tensor,可选): 输出张量。

      Example:

      在这里插入图片描述

  4. torch.reciprocal(input,out=None): → Tensor

    返回由input的倒数组成的张量。

    在这里插入图片描述
    参数

    input(Tensor): 输入张量。

    out(Tensor,可选): 输出张量。

    Example:

    在这里插入图片描述

  5. torch.remainder(input,divisor,out=None): → Tensor

    逐元素计算元素的余数。

    除数和被除数可以同时包含整数和浮点数,其余数与除数具有相同的符号。

    当divisor为张量时,它和input在形状上必须broadcastable。

    参数

    input(Tensor): 被除数。

    divisor(Tensor/Float): 除数既可以是数字,也可以是形状与被除数形状相同的张量。

    out(Tensor): 输出张量。

    Example:

    在这里插入图片描述

  6. torch.round(input,out=None): → Tensor

    返回一个由input的元素离得最近的整数组成的张量。

    参数

    input(Tensor): 输入张量。

    out(Tensor,可选): 输出张量。

    Example:

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

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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