范数

1-范数：∥x∥1=∑i=1N∣xi∣\left \| x \right \|_1=\sum_{i=1}^N\left| x_i \right|∥x∥1=∑i=1N∣xi∣ 即向量元素绝对值之和。

import torch
a = torch.full([8],1)
b = a.view(2,4)
# tensor([[1, 1, 1, 1],
#        [1, 1, 1, 1]])
c = a.view(2,2,2)
# tensor([[[1, 1],
#         [1, 1]],
#
#        [[1, 1],
#         [1, 1]]])
a = a.float() # 需要转化为float，否则报错Can only calculate the mean of floating types. Got Long instead
b = b.float()
c = c.float()# 第一范式
a.norm(1) # tensor(8.)
b.norm(1) # tensor(8.)
c.norm(1) # tensor(8.)

2-范数：∥x∥2=∑i=1Nxi2\left \| x \right \|_2=\sqrt{\sum_{i=1}^Nx_i^2}∥x∥2=∑i=1Nxi2，即向量元素绝对值的平方和再开方。

a.norm(2) # tensor(2.8284)
b.norm(2) # tensor(2.8284)
c.norm(2) # tensor(2.8284)# 在第一个维度上，1-范数
b.norm(1,dim=1) # tensor([4., 4.])
# 在第一个维度上，2-范数
b.norm(2,dim=1) # tensor([2., 2.])c.norm(1,dim=0)
# tensor([[2., 2.],
#        [2., 2.]])
c.norm(2,dim=0)
# tensor([[1.4142, 1.4142],
#        [1.4142, 1.4142]])

mean、sum、min、max、prod

a = torch.arange(8).view(2,4).float()
# tensor([[0., 1., 2., 3.],
#        [4., 5., 6., 7.]])
a.min() # tensor(0.) 最小值
a.max() # tensor(7.) 最大值
a.mean() # tensor(3.5000) 平均值
a.sum() # tensor(28.) 累加
a.prod() # tensor(0.) 累乘
a.argmax() # tensor(7) 最大值的索引，将数据打平之后的索引
a.argmin() # tensor(0) 最小值的索引，将数据打平之后的索引a = torch.randn(4,10)
a.argmax(dim=1) # tensor([0, 1, 4, 9]) 返回维度的最大数的索引# 更简单的做法，直接返回最大值和对应的索引
a.max(dim=1)
# torch.return_types.max(
# values=tensor([1.7486, 0.8279, 1.1447, 2.9224]),
# indices=tensor([0, 1, 4, 9]))

topk

a = torch.rand(4,10)
# tensor([[0.1952, 0.0522, 0.0049, 0.5136, 0.8603, 0.8427, 0.8195, 0.9584, 0.2865,
#         0.3642],
#        [0.1997, 0.4595, 0.3956, 0.6997, 0.1752, 0.6585, 0.4618, 0.8720, 0.4493,
#        0.8950],
#        [0.3413, 0.3944, 0.4641, 0.5972, 0.7680, 0.6328, 0.0565, 0.6384, 0.8459,
#         0.1884],
#        [0.8966, 0.7085, 0.9635, 0.8404, 0.3393, 0.1922, 0.2011, 0.9136, 0.9064,
#         0.6741]])# top3
a.topk(3, dim=1) # 在10这个维度中，获取前三个最大的值，并返回对应的索引
# torch.return_types.topk(
# values=tensor([[0.9584, 0.8603, 0.8427],
#        [0.8950, 0.8720, 0.6997],
#        [0.8459, 0.7680, 0.6384],
#        [0.9635, 0.9136, 0.9064]]),
# indices=tensor([[7, 4, 5],
#        [9, 7, 3],
#        [8, 4, 7],
#        [2, 7, 8]]))# 最小3个
a.topk(3, dim=1, largest = False)# 第8小的(相当于第3大)，方法只能算第几小，不能算第几大
a.kthvalue(8,dim=1)
# torch.return_types.kthvalue(
# values=tensor([0.8427, 0.6997, 0.6384, 0.9064]),
# indices=tensor([5, 3, 7, 8]))

逻辑运算

a = torch.rand(2,3)
# tensor([[0.3328, 0.8201, 0.0464],
#        [0.6762, 0.1728, 0.4123]])
a>0
# tensor([[True, True, True],
#        [True, True, True]])
b = torch.ones(2,3)torch.eq(a,b)
# tensor([[False, False, False],
#         [False, False, False]])torch.equal(a,b)
# False

PyTorch教程（七）：属性统计相关推荐

Stanford CS224N: PyTorch Tutorial (Winter ‘21) —— 斯坦福CS224N PyTorch教程（第二部分）
本教程译文的第一部分,请见我的上一篇博文: Stanford CS224N: PyTorch Tutorial (Winter '21) -- 斯坦福CS224N PyTorch教程 (第一部分)_放 ...
MVC5+EF6 入门完整教程七
原文:MVC5+EF6 入门完整教程七本篇我们针对表格显示添加一些新功能. 前面我们已经讲解过表格显示数据了,现在我们添加三个常用功能: 对显示结果进行排序.过滤.分页. 文章提纲理论基础/前置准 ...
【深度学习】Github上标星1.1W的PyTorch教程，我们给您搬来了
之前给大家推过TensorFlow的入门教程,大家纷纷表示"搞研究用PyTorch它不香嘛?" 行,那说干就干.我们马上去Github上,给大家搬来了一本开源的PyTorch教程& ...
ASP.NET 5系列教程(七)完结篇-解读代码
在本文中,我们将一起查看TodoController 类代码. [Route] 属性定义了Controller的URL 模板: [Route("api/[controller]&quo ...
Xamarin XAML语言教程使用属性设置进度条的当前进度
Xamarin XAML语言教程使用属性设置进度条的当前进度在图12.19~12.21中我们看到的是没有实现加载的进度条,即进度条的当前进度为0,如果开发者想要修改当前进度,可以使用两种方式:一种是 ...
Xamarin XAML语言教程Progress属性设置进度条进度
Xamarin XAML语言教程Progress属性设置进度条进度在图12.19~12.21中我们看到的是没有实现加载的进度条,即进度条的当前进度为0,如果开发者想要修改当前进度,可以使用两种方式: ...
pytorch教程龙曲良21-25
21合并与分割2 split 按照长度/单元长度拆分 c的shape是[2,32,8]aa,bb=c.split(1,dim=0)#操作单元是在0维度上操作,拆分单元长度是1aa,bb=c.split ...
MongoDB 教程七: MongoDB和PHP结合开发
视频:MongoDB 教程七: MongoDB和PHP结合开发 Linux上安装 MongoDB PHP扩展在终端上安装你可以在linux中执行以下命令来安装MongoDB 的 PHP 扩展驱动 ...
c语言第七章函数笔记,我的C语学习笔记-C语言教程(七).doc
我的C语学习笔记- C语言教程(七) C语言教程---第一章: C语言概论 C语言教程---第二章: 数据类型.运算符.表达式 C语言教程---第三章: C语言程序设计初步 C语言教程---第四章: ...
YDOOK：Pytorch教程：转置矩阵转置张量 T
YDOOK:Pytorch教程:转置矩阵转置张量 T © YDOOK Jinwei Lin, shiye.work import torch import numpy as npt = torch. ...

PyTorch教程（七）：属性统计

范数

mean、sum、min、max、prod

topk

逻辑运算

PyTorch教程（七）：属性统计相关推荐

最新文章

热门文章