这篇文章主要介绍了Pytorch:torch.diag()创建对角线张量方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
Pytorch torch.diag()创建对角线张量
torch.diag()
torch.diag是PyTorch中的一个函数,用于从给定的矩阵中提取对角线元素,或者构造一个以给定对角线元素为值的对角矩阵。这个函数对于矩阵分解和转换等操作非常重要。
如果输入是一个向量(1D张量),torch.diag会返回一个以该向量为对角线元素的2D方阵。如果输入是一个矩阵(2D张量),则返回一个包含输入矩阵对角线元素的1D张量。
torch.diag还允许你指定对角线的位置,通过参数diagonal实现。如果diagonal=0,则为主对角线;如果diagonal>0,则为位于主对角线之上的对角线;如果diagonal<0,则为位于主对角线之下的对角线。
语法:
input (Tensor):输入张量。
diagonal (int, optional):指定的对角线。
out (Tensor, optional):输出张量。
举例一:
import torch
data = torch.tensor([1,2,3,4])
data_two = torch.diag(data,0)
print(data_two)
结果:
举例二:
import torch
data = torch.tensor(float('inf')).cuda().repeat(3)
data_two = torch.diag(data,0)
print(data_two)
结果:
torch.diag()取矩阵对角线元素,torch.diag_embed()指定值变成对角矩阵
1、torch.diag()
import torch
a = torch.randn(3, 3)
print(a)
tensor([[ 0.7594, 0.8073, -0.1344],
[-1.7335, -0.4356, -0.0055],
[ 1.8326, 0.3900, -0.9933]])
diag = torch.diag(a) # 取 a 对角线元素,输出为 1*3
print(diag)
tensor([ 0.7594, -0.4356, -0.9933])
2、torch.diag_embed()
import torch
tensor([ 0.7594, -0.4356, -0.9933])
a_diag = torch.diag_embed(diag) # 由 diag 变为三维 3*3
tensor([[ 0.7594, 0.0000, 0.0000],
[ 0.0000, -0.4356, 0.0000],
[ 0.0000, 0.0000, -0.9933]])
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持vb.net教程C#教程python教程SQL教程access 2010教程xin3721自学网