torch.div

Wanderer001

已于 2023-11-02 20:06:14 修改

阅读量1.6k

点赞数

分类专栏： Pytorch 文章标签：计算机视觉深度学习机器学习

于 2022-03-20 13:40:33 首次发布

本文链接：https://blog.csdn.net/weixin_36670529/article/details/113791579

版权

torch.div 类型一致广播机制元素级运算张量转换

关键词由CSDN通过智能技术生成

Pytorch 专栏收录该内容

193 篇文章

订阅专栏

参考torch.div - 云+社区 - 腾讯云

torch.div(a, b) ,a和b的尺寸是广播一致的，而且a和b必须是类型一致的，就是如果a是FloatTensor那么b也必须是FloatTensor，可以使用tensor.to(torch.float64)进行转换。

>>> a = torch.randn(4, 4)
>>> a
tensor([[-0.3711, -1.9353, -0.4605, -0.2917],
        [ 0.1815, -1.0111,  0.9805, -1.5923],
        [ 0.1062,  1.4581,  0.7759, -1.2344],
        [-0.1830, -0.0313,  1.1908, -1.4757]])
>>> b = torch.randn(4)
>>> b
tensor([ 0.8032,  0.2930, -0.8113, -0.2308])
>>> torch.div(a, b)
tensor([[-0.4620, -6.6051,  0.5676,  1.2637],
        [ 0.2260, -3.4507, -1.2086,  6.8988],
        [ 0.1322,  4.9764, -0.9564,  5.3480],
        [-0.2278, -0.1068, -1.4678,  6.3936]])

torch.div(a,0.6) 就是直接除以一个数字。

>>> a = torch.randn(5)
>>> a
tensor([ 0.3810,  1.2774, -0.2972, -0.3719,  0.4637])
>>> torch.div(a, 0.5)
tensor([ 0.7620,  2.5548, -0.5944, -0.7439,  0.9275])