Tensor统计学函数
第一张图的代码:
import torch
a = torch.rand(2, 2)
print(a)
print(torch.mean(a))
print(torch.sum(a))
print(torch.prod(a))
print(torch.std(a))
print(torch.var(a))
torch.histc(): 求直方图的参数:第一个为要求的tensor,第二个为要划分为几份第三个第三个分别为直方图的最大值最小值,若不填或者填0,0则默认为当前tensor中的最大最小值
torch.bincount(): bincount只支持一维tensor;可用于统计某一类别的样本的数量,输出结果采用的是桶式排序的思想
第二张图的代码:
import torch
a = torch.rand(2, 2) * 10
print(a)
# 求直方图的参数:第一个为要求的tensor,第二个为要划分为几份
# 第三个第三个分别为直方图的最大值最小值,若不填或者填0,0则默认为当前tensor中的最大最小值
print(torch.histc(a, 6, 0, 0))
a = torch.randint(0, 15, [10]) # randint的参数前两个为范围,第三个为所要生成tensor的每一维度所要生成数字的数量
print(a)
# bincount只支持一维tensor
print(torch.bincount(a))
print(torch.bincount(a).shape)
# 可用于统计某一类别的样本的数量,输出结果采用的是桶式排序的思想
Tensor的三角函数
Tensor中其他的数学函数
torch.abs():绝对值函数,可用二次函数进行逼近,常用作深度学习中的loss
torch.sign():自变量大于0时函数值为1;自变量=0时函数值为0;自变量小于0时函数值为-1,常出现在分类、回归问题中
torch.sigmoid()(又被称为激活函数):自变量越接近于负无穷,函数值越接近于0;自变量越接近于正无穷,函数值越接近于1。也常用于二分类