张量的基础运算

这里介绍一些张量的基本运算

def torch4():  # 基本运算
    data = torch.randint(0, 10, [2, 3])
    print(data)
    data = data.add(10)  # 不改变原来，返回新的张量sub减法，mul乘法，div除法，neg取相反数
    print(data)
    data.sub_(1)  # 加下划线改变原来值
    print(data)

然后下面包括张量一些稍高级的运算

def torch18():
    data = torch.randint(0, 10, [3, 4]).double()
    print(data)
    print(data.mean())  # 均值
    print(data.sum())  # 和
    print(data.pow(2))  # 平方
    print(data.sqrt())  # 平方根
    print(data.exp())  # e的次方
    print(data.log())  # 对数

 张量的阿达玛积

def torch5():  # 矩阵对应位置相乘：阿达玛积
    data1 = torch.tensor([[2, 3], [5, 6]])
    data2 = torch.tensor([[1, 2], [3, 4]])
    data3 = data1 * data2
    print(data3)

点积运算 

def torch6():  # 点积运算必须一个（m，n）一个（n，p）结果（m，p）
    data1 = torch.tensor([[1, 2], [3, 4], [5, 6]])
    data2 = torch.tensor([[1, 2, 3], [4, 5, 6]])
    data3 = data1 @ data2
    print(data3)