Pytorch数学操作

 1 """ 数学操作 """
 2 import torch
 3
 4 # torch.abs(input,out=None)计算输入张量每个元素的绝对值
 5 a0 = torch.abs(torch.FloatTensor([-1, -2, 3]))
 6 print(a0)
 7
 8 # torch.acos(input,out=None)计算输入张量每个元素的反余弦函数
 9 a1 = torch.randn(4)
10 b1 = torch.acos(a1)
11 print(b1)
12
13 # torchasin(input,out=None)计算输入张量每个元素的反正弦函数
14 a2 = torch.randn(4)
15 b2 = torch.asin(a2)
16 print(b2)
17
18 # torch.add(input,value,out=None)对输入张量中的每个元素加上标量值value
19 a3 = torch.randn(4)
20 b3 = torch.add(a3, 20)
21 print(a3, "\n", b3)
22
23 # torch.add(input,value,other,out=None)将other张量中的每个元素乘标量值value,并加到输入张量input
24 other = torch.randn(4)
25 value = 20
26 a4 = torch.randn(4)
27 b4 = torch.add(a4, value, other)
28 print(b4)
29
30 # torch.addcdiv(tensor,value=1,tensor1,tensor2,out=None)用tensor2对tensor1逐元素相乘,然后乘以标量值value,并加到tensor
31 tensor = torch.randn(2, 3)
32 tensor1 = torch.randn(2, 3)
33 tensor2 = torch.randn(2, 3)
34 a5 = torch.addcdiv(tensor, 5, tensor2, tensor1)
35 print(a5)
36
37 # 

原文地址:https://www.cnblogs.com/Junlong/p/11419992.html

时间: 2024-10-30 01:32:33

Pytorch数学操作的相关文章

pytorch数学运算与统计属性入门(非常易懂)

pytorch数学运算与统计属性入门1.Broadcasting (维度)自动扩展,具有以下两个重要特征:(1)expand (2)without copying data重点的核心实现功能是:(1)在前面增加缺失的维度(2)将其中新增加的维度的size扩展到需要相互运算的tensor维度的same size 图12.broadcasting自动扩展=unsqueeze(增加维度)+expand(维度扩展) 图23.tensor的合并与分割:(1)合并API1)Cat:对数据进行维度上的合并,不

Java 数学操作类

数学操作类 Math类 数学计算操作类 类属性值 Math.E ^ Math.PI 圆周率 类方法 Math类中,一切方法都是 static 型,因为Math类中没有普通属性. round() 方法 四舍五入,返回最接近int值的参数 public static int round(float a) abs() 方法 返回绝对值 public static double abs(double a) max() 方法 返回int值中较大的那个值 public static int max(int

『PyTorch』第五弹_深入理解Tensor对象_中下:数学计算以及numpy比较

一.简单数学操作 1.逐元素操作 t.clamp(a,min=2,max=4)近似于tf.clip_by_value(A, min, max),修剪值域. a = t.arange(0,6).view(2,3) print("a:",a) print("t.cos(a):",t.cos(a)) print("a % 3:",a % 3) # t.fmod(a, 3) print("a ** 2:",a ** 2) # t.po

【PyTorch深度学习60分钟快速入门 】Part1:PyTorch是什么?

0x00 PyTorch是什么? PyTorch是一个基于Python的科学计算工具包,它主要面向两种场景: 用于替代NumPy,可以使用GPU的计算力 一种深度学习研究平台,可以提供最大的灵活性和速度 0x01 开始学习 1.Tensors Tensors(张量)类似于numpy的ndarrays,不过Tensors还可以运行于GPU上以提升计算速度. from __future__ import print_function import torch 创建一个5x3且未初始化的矩阵: x =

PyTorch官方中文文档:torch

torch 包 torch 包含了多维张量的数据结构以及基于其上的多种数学操作.另外,它也提供了多种工具,其中一些可以更有效地对张量和任意类型进行序列化. 它有CUDA 的对应实现,可以在NVIDIA GPU上进行张量运算(计算能力>=2.0). http://www.aibbt.com/a/pytorch/ 张量 Tensors torch.is_tensor[source] torch.is_tensor(obj) 如果obj 是一个pytorch张量,则返回True 参数: obj (Ob

pytorch 模块

pytorch的中文手册:https://github.com/zergtant/pytorch-handbook 一.定义/初始化张量Define tensors tensor,即“张量”.实际上跟numpy数组.向量.矩阵的格式基本一样.但是是专门针对GPU来设计的,可以运行在GPU上来加快计算效率. PyTorch中定义tensor,就跟numpy定义矩阵.向量差不多,例如定义一个5×3的tensor,每一项都是0的张量: x = torch.zeros(5,3) 如果想查看某个tenso

数学之美--计算机图形学中的数学方法论

我的github: https://github.com/jackyblf 我的公众号: 早期研究3D程序开发的程序员最大的情怀就是从无到有,自己实现一个游戏引擎.当时的我也是充满着这种复古情怀!! 以前的demo大部分都用c++写的,现在尽力全部改成html5+canvas/webgl版本 正在改写demo,编写文章,敬请期待 09年台式机out of order了,一直到去年年底,买了个硬盘数据线,把以前的代码全部拷贝出来了,万幸没损坏!!! 08年的vs2005代码,在vs2015中,竟然

不懂数学也能明白傅里叶分析和感受数学之美 转载

文章链接 : http://zhuanlan.zhihu.com/wille/19763358 傅里叶分析不仅仅是一个数学工具,更是一种可以彻底颠覆一个人以前世界观的思维模式.但不幸的是,傅里叶分析的公式看起来太复杂了,所以很多大一新生上来就懵圈并从此对它深恶痛绝.老实说,这么有意思的东西居然成了大学里的杀手课程,不得不归咎于编教材的人实在是太严肃了.(您把教材写得好玩一点会死吗?会死吗?)所以我一直想写一个有意思的文章来解释傅里叶分析,有可能的话高中生都能看懂的那种.所以,不管读到这里的您从事

如何解决Maple的应用在数学中

对任意数学和技术学科的研究员.教师和学生而言,Maple是一个必备的工具.通过Maple,教师将复杂数学问题注入生命,学生的精力集中在概念理解上而不是如何使用工具上,研究员可以开发更复杂的算法或模型.Maple软件系统在教学应用中越来越受到人们的接受和认可. Maple 作为教育工具,已被学校老师应用在各种理工科课程中.与其他工具相比,Maple具有以下显著的特征: Maple无缝集成数值和符号计算,可以执行任意精确度的数值计算,即任意位数的小数和任意大的整数运算.包含各个数学分支的函数包,进行