1、张量的广播
张量的广播与numpy中的广播类似，存在以下两种情况：
- 两个张量至少有一个维度值相同，不同的维度值之中有一个必为1才能广播
- 两个张量所有的维度都不同时，两个张量其它维度必为1才能广播
a = torch.zeros(12).reshape(3,4)
b = torch.ones(3).reshape(3,1)
c = torch.ones(3).reshape(1,3)
d = torch.ones(8).reshape(2,4)
a + b
将 张量b的列复制4次然后再与a中的每个对应元素相加。
a + c
b + c
同时将张量b 的列和c 的行复制3次都变成3行3列的2维张量再进行计算。
a +d
2、张量的科学计算
2.1、逐点运算
记一下下面这2张表即可：
| 函数 | 描述 |
|---|---|
| torch.add(t1，t2 ) | t1、t2两个张量逐个元素相加，等效于t1+t2 |
| torch.subtract(t1，t2) | t1、t2两个张量逐个元素相减，等效于t1-t2 |
| torch.multiply(t1，t2) | t1、t2两个张量逐个元素相乘，等效于t1*t2 |
| torch.divide(t1，t2) | t1、t2两个张量逐个元素相除，等效于t1/t2 |
| torch.abs(t) | 返回绝对值 |
| torch.ceil(t) | 向上取整 |
| torch.floor(t) | 向下取整 |
| torch.round(t) | 四舍五入取整 |
| torch.neg(t) | 返回相反数 |
还有一些常见数学公式的计算
| 数学运算函数 | 数学公式 | 描述 |
|---|---|---|
| torch.exp(t) | 𝑦𝑖=𝑒𝑥𝑖 | 返回以e为底、t中元素为幂的张量 |
| torch.expm1(t) | 𝑦𝑖=𝑒𝑥𝑖 - 1 | 对张量中的所有元素计算exp（x） - 1 |
| torch.exp2(t) | 𝑦𝑖=2𝑥𝑖 | 逐个元素计算2的t次方。 |
| torch.pow(t,n) | out𝑖=𝑥exponent𝑖 | 返回t的n次幂 |
| torch.sqrt(t) | out𝑖=input𝑖⎯⎯⎯⎯⎯⎯⎯⎯⎯√ | 返回t的平方根 |
| torch.square(t) | out𝑖=𝑥2𝑖 | 返回输入的元素平方。 |
| torch.log10(t) | 𝑦𝑖=log10(𝑥𝑖) | 返回以10为底的t的对数 |
| torch.log(t) | 𝑦𝑖=log𝑒(𝑥𝑖) | 返回以e为底的t的对数 |
| torch.log2(t) | 𝑦𝑖=log2(𝑥𝑖) | 返回以2为底的t的对数 |
| torch.log1p(t) | 𝑦𝑖=log𝑒(𝑥𝑖 + 1) | 返回一个加自然对数的输入数组。 |
| torch.sin(t) | 三角正弦。 | |
| torch.cos(t) | 元素余弦。 | |
| torch.tan(t) | 逐元素计算切线。 |
2.2、规约运算
| 函数 | 描述 |
|---|---|
| torch.mean(t) | 返回张量均值 |
| torch.var(t) | 返回张量方差 |
| torch.std(t) | 返回张量标准差 |
| torch.var_mean(t) | 返回张量方差和均值 |
| torch.std_mean(t) | 返回张量标准差和均值 |
| torch.max(t) | 返回张量最大值 |
| torch.argmax(t) | 返回张量最大值索引 |
| torch.min(t) | 返回张量最小值 |
| torch.argmin(t) | 返回张量最小值索引 |
| torch.median(t) | 返回张量中位数 |
| torch.sum(t) | 返回张量求和结果 |
| torch.logsumexp(t) | 返回张量各元素求和结果，适用于数据量较小的情况 |
| torch.prod(t) | 返回张量累乘结果 |
| torch.dist(t1, t2) | 计算两个张量的闵式距离，可使用不同范式 |
| torch.topk(t) | 返回t中最大的k个值对应的指标 |
2.3、比较运算
| 函数 | 描述 |
|---|---|
| torch.eq(t1, t2) | 比较t1、t2各元素是否相等，等效== |
| torch.equal(t1, t2) | 判断两个张量是否是相同的张量 |
| torch.gt(t1, t2) | 比较t1各元素是否大于t2各元素，等效> |
| torch.lt(t1, t2) | 比较t1各元素是否小于t2各元素，等效< |
| torch.ge(t1, t2) | 比较t1各元素是否大于或等于t2各元素，等效>= |
| torch.le(t1, t2) | 比较t1各元素是否小于等于t2各元素，等效<= |
| torch.ne(t1, t2) | 比较t1、t2各元素是否不相同，等效!= |
4056
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
