torch.prod(input, *, dtype=None)

torch.prod(input, *, dtype=None) → Tensor

返回 input 张量中所有元素的乘积。

torch.prod(input, dim, keepdim=False, *, dtype=None) → Tensor

返回输入张量给定维度上每行的积。输出形状与输入相同，除了给定维度上为1.

input=torch.randn(4,3,2)

out1=torch.prod(input, dim=2)
print(out1)

如果 keepdim 为 True ，则输出张量的大小与 input 大小相同，但尺寸为1的 dim 除外。否则，将 dim 压缩（请参见 torch.squeeze() ），从而使输出张量减少1个维度。

input（Tensor）–输入张量。
dim（int）–缩小的尺寸。
keepdim（bool）–输出张量是否保持 dim 。

torch.prod(input, *, dtype=None)相关推荐

2021.08.25学习内容torch.clamp(input, min, max, out=None) → Tensor，torch.mm（matrix multiply）
学习pytorch时,看到了mm和clamp,不甚理解,其他地方也看到过,所以具体了解一下前向传递:计算预测yh = x.mm(w1)h_relu = h.clamp(min=0) 把 h 张量的最 ...
pytorch torch.cumsum(input, dim, out=None)函数（沿轴逐级累加）
torch.cumsum(input, dim, out=None) → Tensor 返回输入沿指定维度的累积和.例如,如果输入是一个N元向量,则结果也是一个N元向量,第i 个输出元素值为 yi=x ...
pytorch torch.norm(input, p=2) → float、torch.norm(input, p, dim, out=None) → Tensor（求范数）
torch.norm 用法1: torch.norm(input, p=2) → float 返回输入张量input 的p 范数. 参数: input (Tensor) – 输入张量 p (float ...
torch.gather(input, dim, index, *, sparse_grad=False, out=None) → Tensor
torch.gather(input, dim, index, *, sparse_grad=False, out=None) → Tensor 沿dim指定的轴聚集值. 对于三维张量,输出由以下公式 ...
torch.unsqueeze(input, dim)函数
函数调用形式:torch.unsqueeze(input, dim) → Tensor 功能: 在指定位置 dim 插入一个大小为1的维度 input: old tensor dim: 插入维度的位置 ...
pytorch(2)Tensor创建和获取tensor的size信息、torch.dtype、torch.device、torch.layout
获取tensor的size信息 >>> import torch >>> from torch.autograd import Variable >>& ...
PyTorch基础（11）----- torch.sum()方法
方法1详解 torch.sum(input, *, dtype=None) → Tensor input:输入的张量案例 x = torch.randn(1, 3) print(x) y = tor ...
torch.cumsum(),torch.sum()
1.torch.cumsum(input, dim, *, dtype=None, out=None) → Tensor 返回维度 dim 中输入元素的累积和 >>> import ...
torch.prob
torch.prod(input)返回input全部元素的乘积 import torch b = torch.tensor([2, 3.3]) print(torch.prod(b)) 输出 tens ...

torch.prod(input, *, dtype=None)

torch.prod(input, *, dtype=None)相关推荐

最新文章

热门文章