范数1：所有元素的绝对值的求和
范数2：所有元素的绝对值的平方和的开方
max（）：矩阵中的最大值以及相应的index
min（）：矩阵中的最小值以及相应的index
mean（）：平均值
prod（）：累乘
sum（）：求和
argmax（）：返回最大值的index
argmin（）：返回最小值的index
argmax与argmin不带参数的话，会将矩阵先打平之后再寻找最值的index，这样找到的index一定只是一维的，而不是打平之前的index
argmax（dim=1）来指定进行比较的方向

一、norm：范数

范数1：所有元素的绝对值的求和

范数2：所有元素的绝对值的平方和的开方

a = torch.full([8],1)
b = a.view(2,4)
c = a.view(2,2,2)a.norm(1),b.norm(1),c.norm(1)
#都是tensor(8)a.norm(2),b.norm(2),c.norm(2)
#都是tensor(2.8284)  根号8

在指定的维数上面进行norm的查看，取哪个维度的范数，该维度就会被消掉。

a = torch.full([8],1)
b = a.view(2,4)
c = a.view(2,2,2)b.norm(1,dim=1)
#tensor([4,4])  一共两行 按行取

二、mean、sum、prod、max、min、argmin、argmax

argmin、argmax：不加参数时，将矩阵打平为一维，然后取最小值、最大值的索引；

import torcha = torch.randn(4, 6)print('a.shape = ', a.shape)
print('a = ', a)a_argmax = a.argmax()
a_argmax_dim_0 = a.argmax(dim=0)
a_argmax_dim_1 = a.argmax(dim=1)print('\na_argmax = ', a_argmax)
print('a_argmax_dim_0 = ', a_argmax_dim_0)
print('a_argmax_dim_1 = ', a_argmax_dim_1)

打印结果：

a.shape =  torch.Size([4, 6])
a =  tensor([[ 0.4317, -0.9791, -1.8569,  0.9546,  1.5674, -0.7068],[ 0.4386, -1.5702,  0.9274,  0.9188, -1.3072, -1.2542],[ 0.7009, -0.1240,  1.0909,  0.5051,  1.4061, -0.7690],[-0.7982,  0.3734,  0.9044,  0.8111, -0.1462,  0.0558]])a_argmax =  tensor(4)
a_argmax_dim_0 =  tensor([2, 3, 2, 0, 0, 3])
a_argmax_dim_1 =  tensor([4, 2, 4, 2])

三、keepdim

四、topk、kthvalue

1、topk：前k个最值

import torcha = torch.randn(4, 6)print('a.shape = ', a.shape)
print('a = ', a)a_topk = a.topk(3, dim=1)
print('\na_topk = ', a_topk)

打印结果：

a.shape =  torch.Size([4, 6])
a =  tensor([[ 0.5713, -0.8378, -0.9350,  1.4258,  1.0426, -1.3174],[-1.5093, -0.9687,  1.1797,  0.9376, -0.2584,  0.3872],[ 1.7028, -1.4444, -0.5496,  0.0120, -0.2293, -1.5676],[-0.0805,  1.0818, -1.0642, -1.1229,  0.1533, -0.9521]])a_topk =  torch.return_types.topk(
values=tensor([[ 1.4258,  1.0426,  0.5713],[ 1.1797,  0.9376,  0.3872],[ 1.7028,  0.0120, -0.2293],[ 1.0818,  0.1533, -0.0805]]),
indices=tensor([[3, 4, 0],[2, 3, 5],[0, 3, 4],[1, 4, 0]]))Process finished with exit code 0

2、kthvalue：排序后第k小的元素的值

import torcha = torch.randn(4, 6)print('a.shape = ', a.shape)
print('a = ', a)a_kthvalue = a.kthvalue(3, dim=1)
print('\na_kthvalue = ', a_kthvalue)

打印结果：

a.shape =  torch.Size([4, 6])
a =  tensor([[-0.6937, -2.6252, -0.0817,  0.1022, -0.4947, -0.0497],[ 1.5205,  0.1827, -1.1397,  2.1021,  1.0715,  1.2167],[-1.6002,  1.1374, -1.2099,  2.4795, -0.6292, -1.1339],[ 0.9659, -0.1593, -0.0963,  0.8514, -1.0020,  0.9966]])a_kthvalue =  torch.return_types.kthvalue(values=tensor([-0.4947,  1.0715, -1.1339, -0.0963]),indices=tensor([4, 4, 5, 2]))Process finished with exit code 0

五、compare：>、>=、<、<=、!=、==

1、>

import torcha = torch.randn(4, 6)print('a.shape = ', a.shape)
print('a = ', a)a_0 = a > 0
print('\na_0 = ', a_0)

打印结果：

a.shape =  torch.Size([4, 6])
a =  tensor([[-1.3893,  1.4089, -0.1790, -0.4641, -2.9107, -1.2560],[ 0.1702,  0.3689, -1.4860,  0.5642,  0.8496,  0.4877],[ 0.7780, -0.5726,  1.0474,  0.7246,  0.2890, -1.1601],[ 1.2610,  0.1574, -0.7690,  0.7012,  0.2023,  0.8884]])a_0 =  tensor([[False,  True, False, False, False, False],[ True,  True, False,  True,  True,  True],[ True, False,  True,  True,  True, False],[ True,  True, False,  True,  True,  True]])Process finished with exit code 0

2、!=

import torcha = torch.randn(4, 6)print('a.shape = ', a.shape)
print('a = ', a)a_0 = a != 0
print('\na_0 = ', a_0)

打印结果：

a.shape =  torch.Size([4, 6])
a =  tensor([[ 0.0204,  0.3504,  1.2778, -0.8016, -2.2371, -2.1239],[-0.3999,  2.6354,  3.4434,  0.0612, -0.7063, -0.2649],[ 0.1774, -0.1433, -1.0806, -2.4606, -0.4880,  0.4409],[-1.2463,  0.8048,  0.9639, -0.1631,  0.4157, -0.1088]])a_0 =  tensor([[True, True, True, True, True, True],[True, True, True, True, True, True],[True, True, True, True, True, True],[True, True, True, True, True, True]])Process finished with exit code 0

3、==

import torcha = torch.ones(4, 6)
b = torch.randn(4, 6)a_b_eq01 = torch.eq(a, b)
a_b_eq02 = a == bprint('a_b_eq01 = ', a_b_eq01)
print('a_b_eq02 = ', a_b_eq02)a_a_eq01 = torch.eq(a, a)
a_a_eq02 = a == aprint('\na_a_eq01 = ', a_a_eq01)
print('a_a_eq02 = ', a_a_eq02)

打印结果：

a_b_eq01 =  tensor([[False, False, False, False, False, False],[False, False, False, False, False, False],[False, False, False, False, False, False],[False, False, False, False, False, False]])
a_b_eq02 =  tensor([[False, False, False, False, False, False],[False, False, False, False, False, False],[False, False, False, False, False, False],[False, False, False, False, False, False]])a_a_eq01 =  tensor([[True, True, True, True, True, True],[True, True, True, True, True, True],[True, True, True, True, True, True],[True, True, True, True, True, True]])
a_a_eq02 =  tensor([[True, True, True, True, True, True],[True, True, True, True, True, True],[True, True, True, True, True, True],[True, True, True, True, True, True]])Process finished with exit code 0

参考资料：
tensor的统计属性

Pytorch：Tensor的统计属性【norm：范数】、【mean、sum】【prod：累乘】【argmin、argmax：最值索引】【keepdim】【kthvalue：第k小的元素、topk】相关推荐

13,12_基本运算,add/minus/multiply/divide,矩阵相乘mm,matmul,pow/sqrt/rsqrt,exp/log近似值,统计属性,mean,sum,min,max
1.12.基本运算 1.12.1.add/minus/multiply/divide 1.12.2.矩阵相乘mm,matmul 1.12.3.pow/sqrt/rsqrt 1.12.4.exp/log ...
pytorch Tensor及其基本操作
转自: https://zhuanlan.zhihu.com/p/36233589 由于之前的草稿都没了,现在只有重写-. 我好痛苦本章只是对pytorch的常规操作进行一个总结,大家看过有脑子里有 ...
pytorch tensor查找0_Pytorch tensor(0): Tensor Introduction
1. Instances of the torch.Tensor class Pytorch中tensor是torch.Tensor类的实例 2. Tensor attributes torch.Te ...
python history没有定义_python – AttributeError：’Tensor’对象没有属性’_keras_history’...
我找了所有"'Tensor'对象没有属性***"但似乎没有一个与Keras相关(除了 TensorFlow: AttributeError: 'Tensor' object has ...
【项目实战课】基于Pytorch的StyleGAN人脸属性（表情、年龄、性别）编辑实战
欢迎大家来到我们的项目实战课,本期内容是<基于Pytorch的StyleGAN人脸属性编辑实战>.所谓项目实战课,就是以简单的原理回顾+详细的项目实战的模式,针对具体的某一个主题,进行代码 ...
ITK:获取图像中标记区域的统计属性
ITK:获取图像中标记区域的统计属性内容提要输出结果 C++实现代码内容提要输出结果 Number of labels: 2 min: 255 max: 255 median: 0 mean: ...
opencv mat 修改_C++ opencv矩阵和pytorch tensor的互相转换
矩阵和tensor相互转换 cvmat到tensor tips:这里主要要注意的就是在opencv和pytorch中存储顺序的差异 cv::cvtColor(frame, frame, CV_BGR2 ...
matlab中向量norm,【Matlab开发】matlab中norm范数以及向量点积、绘图设置相关
[Matlab开发]matlab中norm范数以及向量点积.绘图设置相关标签(空格分隔): [Matlab开发] 声明:引用请注明出处外链网址已屏蔽 norm范数使用 help norm norm ...
pytorch tensor 初始化_PyTorch简明笔记[1]-Tensor的初始化和基本操作
听麻麻说,偷偷收藏而不感谢是不礼貌的,至少应该点个赞~我觉得麻麻说的对! 不断地被人安利PyTorch,终于忍不住诱惑决定入坑了. 当初学习TensorFlow的时候,没有系统性地学习.之前TF的英文 ...

Pytorch：Tensor的统计属性【norm：范数】、【mean、sum】【prod：累乘】【argmin、argmax：最值索引】【keepdim】【kthvalue：第k小的元素、topk】

一、norm：范数

二、mean、sum、prod、max、min、argmin、argmax

三、keepdim

四、topk、kthvalue

1、topk：前k个最值

2、kthvalue：排序后第k小的元素的值

五、compare：>、>=、<、<=、!=、==

1、>

2、!=

3、==

Pytorch：Tensor的统计属性【norm：范数】、【mean、sum】【prod：累乘】【argmin、argmax：最值索引】【keepdim】【kthvalue：第k小的元素、topk】相关推荐

最新文章

热门文章