Pytorch常用函数学习记录

• torch.rand(*sizes, out=None) → Tensor
• 返回一个张量，包含了从区间[0,1)的均匀分布中抽取的一组随机数，形状由可变参数sizes 定义。

>>> import torch
>>> torch.rand(4)
tensor([0.2577, 0.8006, 0.8485, 0.6870])
[torch.FloatTensor of size 4]

>>> torch.rand(2,3)
tensor([[0.5984, 0.9541, 0.9772],
        [0.1369, 0.2278, 0.2038]])
[torch.FloatTensor of size 2x3]

• torch.randn(*sizes, out=None) → Tensor
• 创建指定任意大小的随机tensor，返回一个张量，包含了从标准正态分布(均值为0，方差为 1，即高斯白噪声)中抽取一组随机数，形状由可变参数sizes定义。

>>> import torch
>>> torch.randn(1,2,3)
tensor([[[-0.2409, -0.5479, -0.1007],
         [-0.6485,  0.6540, -0.4707]]])
>>> torch.randn(2,2,3)
tensor([[[-0.2957, -0.5528,  1.0466],
         [ 0.6105,  0.6842, -1.2254]],

        [[ 1.0195,  0.7792,  0.5128],
         [ 0.2309,  0.6751,  0.1931]]])

• torch.masked_select(input, mask, out=None) → Tensor
• 根据掩码张量mask中的二元值，取输入张量中的指定项(mask为一个ByteTensor)，将取值返回到一个新的1D张量，张量 mask须跟input张量有相同数量的元素数目，但形状或维度不需要相同。

>>> import torch
>>> import numpy as np
>>> input = torch.rand(2,3)
>>> input
tensor([[0.8589, 0.1204, 0.0061],
        [0.4247, 0.2235, 0.4059]])
>>> mask = (input>0.5).byte()
>>> mask
tensor([[1, 0, 0],
        [0, 0, 0]], dtype=torch.uint8)
>>> torch.masked_select(input, mask)
tensor([0.8589])
# 此函数只能选出符合条件的值，与`input[input>0.5]功能一致
# 但不能在保持在原始array或矩阵中的位置，因此可以用torch.mul(input, mask)再算一次
>>> torch.mul(input, mask)
tensor([[0.8589, 0.0000, 0.0000],
        [0.0000, 0.0000, 0.0000]])
# 如果有更好的方式，请告知，谢谢！~

• torch.clamp(input, min, max, out=None) → Tensor
• 将输入input张量每个元素的夹紧到区间[min, max]，并返回结果到一个新张量。

>>> import torch
>>> a = torch.randn(4)
>>> a
tensor([-1.3920, -1.4772,  0.7620, -0.1233])
[torch.FloatTensor of size 4]

>>> torch.clamp(a, min=-0.5, max=0.5)
tensor([-0.5000, -0.5000,  0.5000, -0.1233])
[torch.FloatTensor of size 4]

• torch.clamp(input, min, *, out=None) → Tensor
• 将输入input张量每个元素的限制到不小于min ，并返回结果到一个新张量。
• torch.clamp(input, *, max, out=None) → Tensor
• 将输入input张量每个元素的限制到不大于max ，并返回结果到一个新张量。

>>> import torch
>>> torch.clamp(a, min=-0.5)
tensor([-0.5000, -0.5000,  0.7620, -0.1233])
>>> torch.clamp(a, max=0.5)
tensor([-1.3920, -1.4772,  0.5000, -0.1233])