torch相关操作

基础运算

加

import torch 
a = torch.rand(3,4)
b= torch.rand(3,4)
c=a+b  #或
c=torch.add(a,b)#维度不同时会对broadcasting

减

d=a-b#或
d=torch.sub(a,b)

乘

#element wise，对应元素乘
e=a*b
e=torch.mul(a,b)
二维矩阵相乘  
e=torch.mm(a,b.t)  #（a, b）* ( b, c ) = ( a, c )
多维元素最后两个维度乘
e=torch.matmul(a,b)

点乘，内积

一维张量对应位置相乘，返回标量
torch.dot(x,y)

除，对应元素除

f=a/b
f=div(a,b)

幂运算

g=a.pow(n)

开方

h=sqrt()

h=rsqrt()#倒数

对数

k=torch.exp(torch.ones(2,3))#得到全是e的2*3矩阵
i=log2(a)
i=log10(a)
i=log(a)

近似值

l=a.floor()#取上
l=a.ceil()#取下
l=a.trunc()#取整
l=a.frac()#取小数

最大最小中位数均值众数标准差方差
a.max()
a.min()
a.median()中位数
a.mean()均值
a.mode()众数
a.std()标准差
a.var()方差

裁剪运算

torch.clamp(input,min,max, out=None)超出的限制为min，max

给定阈值截取部分tensor

拿出大于阈值的结果

import torch
a=torch.randn(8,3)
print(a)
#b用来拿满足条件的索引，这里判断的是索引2大于0.5
b=a[...,2]>0.5
print(b)
a=a[b]
print(a)

tensor([[ 2.0951, -0.4598,  0.7132],
        [-0.6455,  0.7299, -0.2005],
        [-0.4402, -1.5987,  0.9192],
        [ 0.5835, -0.0969, -0.3439],
        [ 0.5355, -0.8484,  1.3264],
        [-0.5404, -0.6408, -0.2357],
        [-0.2434,  0.5452,  0.6899],
        [-0.1293,  0.3484,  0.0673]])
tensor([ True, False,  True, False,  True, False,  True, False])
tensor([[ 2.0951, -0.4598,  0.7132],
        [-0.4402, -1.5987,  0.9192],
        [ 0.5355, -0.8484,  1.3264],
        [-0.2434,  0.5452,  0.6899]])