机器学习PyTorch——2.数据统计

目录

一.范数

二.基本数理统计 


一.范数

使用norm(),可以指定维度

torch.norm(input, p='fro', dim=None, keepdim=False, out=None, dtype=None)
  • input:输入tensor
  • p (int, float, inf, -inf, 'fro', 'nuc', optional):范数计算中的幂指数值。默认为'fro'
  • dim (int,2-tuple,2-list, optional): 指定计算的维度。如果是一个整数值,向量范数将被计算;如果是一个大小为2的元组,矩阵范数将被计算;如果为None,当输入tensor只有两维时矩阵计算矩阵范数;当输入只有一维时则计算向量范数。如果输入tensor超过2维,向量范数将被应用在最后一维
  • keepdim(bool,optional):指明输出tensor的维度dim是否保留。如果dim=None或out=None,则忽略该参数。默认值为False,不保留
  • out(Tensor, optional):tensor的输出。如果dim=None或out=None,则忽略该参数。
  • dtype(torch.dtype,optional):指定返回tensor的期望数据类型。如果指定了该参数,在执行该操作时输入tensor将被转换成 :attr:’dtype’

 

二.基本数理统计 

(1)min()最小值

(2)max()最大值

(3)mean()平均值

(4)sum()求和

(5)prod()累乘

(6)argmax()最大值所在的索引,注意这里是将维度打平之后的索引

(7)argmin()最小值所在的索引,与argmax()用法一致

注意都可以指定dim,传入dim参数。

 (8)topk(个数,dim)返回的是指定维度上最大的你想要的个数,和他的位置,可以添加参数largest = False,得到的将会是最小的

(9)kthvalue()

(10)eq()对各个位置比较,相等的返回1

(11)equal()如果全部相等,返回True

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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