矩阵的加减乘(数乘)除(数除)
可以使用符号+ - * /
a+b a-b a*b a/b
也可以写add sub mul div
torch.add(a,b) torch.sub(a,b) torch.mul(a,b) torch.div(a,b)
//表示整除
这样的运算是允许的,它会进行维度扩展
矩阵的乘与除
torch.matmul或者使用@
mm不推荐,因为它只能处理2*2的
对于高维矩阵,@与matmul会计算最后两维的乘法,前面的不进行改变。如果前面的值不对应会使用brodcasting进行补全
次方power
a.power(n)表示a的n次方
也可以用两个星号表示,a**n
a.sqrt()可以求取a的开平方
指数,对数
torch.exp(值)
torch.log(值)
近似
floor向下取整
ceil向上取整
round四舍五入
trunc取整数部分
frac取小数部分
clamp梯度裁剪
grad.clamp(min)对于低于min的全变成min
grad.clamp(min,max)对于低于min的全变成min,且对于高于max的全变成max
统计属性
norm范数
norm(1)一范数,norm(2)二范数
对于离散点,积分变求和
也可以指定计算的维度
a.norm(2,dim=0),对a的维度0求二范数
![]() | 最大值 |
---|---|
a.max() | a的最小值 |
a.mean() | a的均值 |
a.prod() | a的累乘 |
a.sum() | a的求和 |
a.argmin() | a的返回最小值的索引,打平后查找 |
a.argmax() | a的返回最大值的索引,打平后查找 |
可以在argmin于argmax中指定维度来避免数据打平
max与dim结合,返回最大值的同时也会显示索引
keepdim可以用来保持返回值的维度与数据对应,可以看到,如果不写的话就变成了一列。
topk
topk显示前几个大(小)的数据,如果largest=False则显示最小的几个
kthvalu(n,dim=)显示第n小的值
比较
>大于 >=大于等于 <小于 <=小于等于 !=不等于 ==等于
条件成立的位置返回1,不成立返回0
如果想判断所有元素是否都相等可以使用torch.eq(a,b),相等返回True,不相等返回False
进阶操作
where
torch.where(condition,x,y)
根据condition返回值,如果condition为1(pytorch没有布尔类型)返回A的值,为0返回B的值。
是一个并行判断处理的过程,用来在某些场景替代循环,提高效率。
一般情况下condition与x和y都是矩阵,conditon中位置为1的由A对应位置值填充,0的位置由B来填充。
gather
torch.gather(input,dim,index,out=None)
用来根据索引查表