深度学习--数学运算符
基础运算符
加减乘除
import torch
a=torch.randint(1,10,[2,2])
b=torch.randint(1,10,[2,2])
print(a)
#tensor([[9, 7],[5, 8]])
print(b)
#tensor([[2, 4],[1, 7]])
#加法 + torch.add(a,b)
a+b
#tensor([[11, 11],[ 6, 15]])
torch.add(a,b)
#tensor([[11, 11],[ 6, 15]])
#减法 - torch.sub(a,b)
a-b
#tensor([[7, 3],[4, 1]])
torch.sub(a,b)
#tensor([[7, 3],[4, 1]])
#乘法 * torch.mul(a,b)
a*b
#tensor([[18, 28], [ 5, 56]])
torch.mul(a,b)
#tensor([[18, 28], [ 5, 56]])
#除法 / torch.div(a,b)
a/b
#tensor([[4.5000, 1.7500],[5.0000, 1.1429]])
torch.div(a,b)
#tensor([[4.5000, 1.7500],[5.0000, 1.1429]])
矩阵乘法
#矩阵乘法 @ torch.matmul(a,b)
#torch.mm(a,b) 只能计算二维的矩阵乘法
a@b
#tensor([[25, 85],[18, 76]])
torch.matmul(a,b)
#tensor([[25, 85],[18, 76]])
乘方与开方
a=torch.full([2,2],3)
#tensor([[3, 3],[3, 3]])
##平方 a**n torch.pow(a,n) a的n次方
a**2
#tensor([[9, 9],[9, 9]])
torch.pow(a,2)
#tensor([[9, 9],[9, 9]])
#开方 torch.sqrt() 1/2 torch.rsqrt() -1/2
torch.sqrt(a**2)
#tensor([[3, 3],[3, 3]])
torch.rsqrt(a**2)
#tensor([[0.3333, 0.3333],[0.3333, 0.3333]])
指数与对数
a=torch.ones(2,2)
#tensor([[1, 1],[1, 1]])
#指数函数 torch.exp()
torch.exp(a)
#tensor([[2.7183, 2.7183],[2.7183, 2.7183]])
#对数函数 torch.log() 默认底数为e 修改可以写为torch.log2()
torch.log2(a)
#tensor([[0., 0.],[0., 0.]])
小数运算
a=torch.tensor(3.14)
#tensor(3.1400)
#向上取整torch.ceil() 向下取整torch.floor() 四舍五入取整torch.round()
torch.ceil(a)
#tensor(4.)
torch.floor(a)
#tensor(3.)
torch.round(a)
#tensor(3.)
#整数部分torch.trunc() 小数部分 torch.frac()
torch.trunc(a)
#tensor(3.)
torch.frac(a)
#tensor(0.1400)
其他运算
#clamp()函数
#a.clamp(x) 在a中 ,所有小于x的数都置为x
#a.clamp(x,y) 在a中,所有小于x的数都置为x,所有大于y的数都置为y
#a.max() 取其中的最大值
#a.median() 取其中的中位数
标签:11,tensor,--,18,torch,运算符,0.3333,深度
From: https://www.cnblogs.com/ssl-study/p/17338544.html