笔记:torch的基本运算
标题
- 1. torch.clamp (a,x,y)
- 2. torch.div(x,y)
- 3. torch.mul(x,y)
- 4. torch.mm(x,y)
- 5. torch.mv(x,y)
- 6. torch.pow(x,y)
1. torch.clamp (a,x,y)
a 为张量,x为下界线,y为上界。
当a内某个元素小于x时,取x。在[x,y]内时,取本身。大于y时,取y。
不必纠结是 >=x 还是 >x ,怎么都是取与x相等的值,所以无所谓(y同理)
import torch
a=torch.randn(2,3)#标准正态分布的数据
print(a)b=torch.clamp(a,-0.1,0.2)
print(b)
结果:
2. torch.div(x,y)
返回x/y,如果是张量,则对应元素相除(shape要相同,除非是(2,3)与(1,2,3))
如果是x一个数,x除以y所有元素
如果是y一个数,x所有元素除以y
import torch
a=torch.randn(2,3)
print(a)b=torch.randn(2,3)#(1,2,3)也可以
print(b)c=torch.div(a,b)
print(c)d=torch.randn(2,3)
print(d)e=torch.div(10,d)
print(e)f=torch.div(d,10)
print(f)
输出:
3. torch.mul(x,y)
x,y都是张量,对应元素相乘,
当x,y其中一个是一个数,张量都乘以一个数
import torch
a=torch.randn(2,3)
print(a)b=torch.randn(2,3)#(1,2,3)也可以
print(b)c=torch.mul(a,b)
print(c)d=torch.randn(2,3)
print(d)e=torch.mul(10,d)
print(e)
输出:
4. torch.mm(x,y)
求矩阵相乘,遵从矩阵相乘法则
import torch
a=torch.randn(2,3)
print(a)b=torch.randn(3,2)
print(b)c=torch.mm(a,b)
print(c)
输出:
5. torch.mv(x,y)
x矩阵和y向量的乘法
import torch
a=torch.randn(2,3)
print(a)b=torch.randn(3)
print(b)c=torch.mv(a,b)
print(c)d=torch.randn(3,1)
print(d)
#
e=torch.mm(a,d)
print(e)
输出:
6. torch.pow(x,y)
求幂
import torch
a=torch.randn(2,3)
print(a)b=torch.pow(2,a)#2的 a中每个元素 次幂
print(b)c=torch.pow(a,2))#a中每个元素 的2次幂
print(c)
输出:
笔记:torch的基本运算相关推荐
- c++矩阵类_Python线性代数学习笔记——矩阵的基本运算和基本性质,实现矩阵的基本运算...
当学习完矩阵的定义以后,我们来学习矩阵的基本运算,与基本性质 矩阵的基本运算:矩阵的加法,每一个对应元素相加,对应结果的矩阵 例子:矩阵A和矩阵B表示的是同学上学期和下学期的课程的成绩,两个矩阵相加就 ...
- pytorch笔记 torch.clamp(截取上下限)
1 基本用法 torch.clamp(input, min=None, max=None, *, out=None) 使得tensor中比min小的变成min,比max大的变成max 2 使用举例 i ...
- c++ 二维矩阵 转vector_Python线性代数学习笔记——矩阵的基本运算和基本性质,实现矩阵的基本运算...
当学习完矩阵的定义以后,我们来学习矩阵的基本运算,与基本性质 矩阵的基本运算:矩阵的加法,每一个对应元素相加,对应结果的矩阵 例子:矩阵A和矩阵B表示的是同学上学期和下学期的课程的成绩,两个矩阵相加就 ...
- python 矩阵除法_Python线性代数学习笔记——矩阵的基本运算和基本性质,实现矩阵的基本运算...
当学习完矩阵的定义以后,我们来学习矩阵的基本运算,与基本性质 矩阵的基本运算:矩阵的加法,每一个对应元素相加,对应结果的矩阵 例子:矩阵A和矩阵B表示的是同学上学期和下学期的课程的成绩,两个矩阵相加就 ...
- 莫烦python学习笔记之numpy基本运算
numpy 的一维矩阵的几种基本运算 import numpy as np a=np.array([10,20,30,40]) # array([10, 20, 30, 40]) b=np.arang ...
- pytorch笔记——torch.randperm用法
前言 记录randperm用法. 方法介绍 torch.randperm(n) 这个方法将[0, n)中的元素随机排列,函数名randperm是random permutation缩写. permut ...
- pytorch 学习笔记目录
1 部分内容 pytorch笔记 pytorch模型中的parameter与buffer_刘文巾的博客-CSDN博客 pytorch学习笔记 torchnn.ModuleList_刘文巾的博客-CSD ...
- torch.max()函数==》返回该维度的最大值以及该维度最大值对应的索引
今天在学习TTSR的过程总遇到了一行代码,我发现max()函数竟然可以返回两个值,于是我决定重新学习一下这个函数 R_lv3_star, R_lv3_star_arg = torch.max(R_lv ...
- 第1周学习笔记:深度学习和pytorch基础
目录 一 视频学习 1.绪论 2.深度学习概述 二 代码学习 1.Pytorch基础练习 2.螺旋数据分类 一 视频学习 1.绪论 人工智能(Artificial Intelligence):使一部机 ...
- ChatGLM-6B模型微调实战(以 ADGEN (广告生成) 数据集为例,序列长度达 2048)
kingglory/ChatGLM-6B 项目地址 1 介绍 对于 ChatGLM-6B 模型基于 P-Tuning v2 的微调.P-Tuning v2 将需要微调的参数量减少到原来的 0.1%,再 ...
最新文章
- ibm刀片服务器虚拟化,IBM POWER刀片服务器的虚拟化解决方案v1.3.ppt
- pythonfor循环100次_【零基础学Python】For循环和RANGE()函数
- Golang 特性简介
- poj 2870 Light Up(dfs+剪枝,写的稀烂)
- spark入门_[大数据之Spark]——快速入门
- 如何使用 Java8 实现观察者模式?(上)
- java speex转码_微信Speex转wav,Speex to wav
- VisualSVN 用户权限设置时,Everyone,Group,User优先级组合原则(与 Subversion 对比)...
- 十二星座----射手
- python视频教程哪个好-Python 基础视频教程那个好?
- 华为手机忘了密码,怎样强制刷机呢?
- 用累积分布函数(CDF)计算期望
- python中,ttk.Combobox的background、foreground和font属性的设置问题
- 计算机学院教师老带新总结,教师以老带新个人工作总结范文(精选3篇)
- SEU-2020-卓越大赛面试
- kaggle 案例实战 七月 july 算法
- 白色相簿的季节(递归)
- 涂鸦智能宠物喂食器(鱼缸投食器)
- Linux中yum yum yum
- Nacos2.0启动报错:Your project setup is incompatible with our requirements due to following reasons:
热门文章
- 郑捷《机器学习算法原理与编程实践》学习笔记(第四章 推荐系统原理)(一)推荐系统概述...
- 等差数列计算机函数公式大全,等差数列公式大全
- 已知ip地址和其子网掩码如何求网络号子网号主机号
- 【SQL2008】select TOP (100) PERCENT***********ORDER BY **********
- 一只兔子帮你理解 kNN
- 一阶线性常微分方程解法
- iOS 5 故事板入门(2)
- 解决微信端无法使用window.open打开文件的问题
- Summary of defect detection algorithms based on deep learning
- 我的世界服务器水流动配置文件,我的世界后台的水流动命令是什么