Pytorch torch.cumprod()的简单理解与用法

官方文档:https://pytorch.org/docs/stable/generated/torch.cumprod.html?highlight=cumprod#torch.cumprod

cumprod为cumulative product的意思,即累积乘法
给定一个长度为 N N N的向量 { x i } i = 1 N \{x_i\}^{N}_{i=1} {xi}i=1N,累乘后得到一个新向量 { y i } i = 1 N \{y_i\}^{N}_{i=1} {yi}i=1N,有: y i = x 1 × x 2 × . . . × x i y_i = x_1 × x_2 × ... × x_i yi=x1×x2×...×xi 例子如下:

import torch
x = torch.Tensor([1, 2, 3, 4, 5])
y = torch.cumprod(x, dim = 0)
print(y)

输出如下:

tensor([ 1., 2., 6., 24., 120.])

即分别为1,1×2,1×2×3,1×2×3×4,1×2×3×4×5。

形式化定义如下:

res = torch.cumprod(input, dim, *, dtype=None, out=None)
  • input:输入向量
  • dim:在哪一维度上进行累乘
  • dtype:输出结果的元素类别,默认应该是按float判断
  • out:输出结果
  • res:输出结果
  • 9
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
torch.cumprod是PyTorch深度学习框架中的一个函数,用于对输入张量按指定维度进行逐元素累积乘积操作。具体来说,它返回一个与输入张量大小相同的张量,其中每个元素的值等于其在输入张量及之前所有元素的乘积。 举个例子,如果有一个形状为(3, 4)的张量x,我们可以使用torch.cumprod(x, dim=0)对它沿着第0个维度进行逐元素累积乘积操作,得到一个形状相同的新张量y。 如果我们有一个长度为N的向量x,我们可以使用torch.cumprod(x, dim=0)对它进行逐元素累乘操作,得到一个长度为N的新向量y,其中每个元素yi等于x1乘以x2乘以...乘以xi。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [torch.cumprod函数详解](https://blog.csdn.net/qq_45138078/article/details/129860167)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] - *2* [Pytorch torch.cumprod()的简单理解用法](https://blog.csdn.net/qq_40714949/article/details/126667931)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值