PyTorch基本数学运算

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

a.min()	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