PyTorch 张量运算

张量之间可以进行运算,例如加减乘除。

下面将举例说明常用的运算:

  • 调整张量形状
  • 张量的加减乘除
  • 求张量的平均值,标准差等等
# 创建 tensor 
tensor = torch.ones(3,3)
print("\n",tensor)

# 调整形状
print("{}{}\n".format(tensor.view(9).shape,tensor.view(9)))

# 加法
print("Addition: {}\n".format(torch.add(tensor,tensor)))

# 减法
print("Subtraction: {}\n".format(tensor.sub(tensor)))

# 元素相乘
print("Element wise multiplication: {}\n".format(torch.mul(tensor,tensor)))

# 元素相除
print("Element wise division: {}\n".format(torch.div(tensor,tensor)))

# 平均值
tensor = torch.Tensor([1,2,3,4,5])
print("Mean: {}".format(tensor.mean()))

# 标准差
print("std: {}".format(tensor.std()))

输出

 tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]])

torch.Size([9])tensor([1., 1., 1., 1., 1., 1., 1., 1., 1.])

Addition: tensor([[2., 2., 2.],
        [2., 2., 2.],
        [2., 2., 2.]])

Subtraction: tensor([[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]])

Element wise multiplication: tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]])

Element wise division: tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]])

Mean: 3.0

std: 1.5811388492584229


浙ICP备17015664号联系我们网站地图  
@2019 qikegu.com 版权所有,禁止转载