目录
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