矩阵处理

有关矩阵处理的函数实在是太多了,在这里写一下,方便以后回忆
torch.clamp
clamp(input,min,max,out=None)-> Tensor,将input中的元素限制在[min,max]范围内并返回一个Tensor
可以看一下栗子:

a = torch.randn(2,2)
print(a)
c = a.clamp(min = 0)
print(c)

输出。将所有小于min的数全部替换成min

tensor([[ 0.6887, -2.4910],
        [-1.1766, -0.9142]])
tensor([[0.6887, 0.0000],
        [0.0000, 0.0000]])

当把min替换成max后

c = a.clamp(max = 0)

看一下输出

tensor([[0.1676, 1.2737],
        [0.8410, 0.2963]])
tensor([[0., 0.],
        [0., 0.]])

torch.diag
取矩阵的对角元素,组成一个新的tensor,输出

b =a.diag()

输出:

tensor([[ 0.8293, -1.3060],
        [-0.4743,  0.8271]])
tensor([0.8293, 0.8271])

torch.eye
torch.eye(n, m=None, out=None,

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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