PyTorch常用函数备忘
PyTorch 常用函数备忘
#基本操作
x:火炬。张量
x .形状-火炬。大小
x.ndim – int #轴数
x.T
x.numel() – int #总大小
重塑(*形状)-张量
x.sum()，x.mean()
x.sum(轴=int) #沿某维求和，会将轴数减少一
x.sum(轴=int，keepdims=True) #沿某维求和，将该轴长度保留为一
# x.sum()==x.sum(轴=[0,1])
# x.mean()==x.sum()/x.numel()
x.cumsum(轴=int) #沿某个轴计算x元素的累积总和，不会沿任何轴降低输入张量的维度，轴参数必须指定
[x切片] #与numpy相同
透镜(x)=x .形状[0]
x.clone()
torch.norm(x) – Tensor0D # L2范数，可用于向量和矩阵（弗罗？尼乌斯范数)
torch.abs(x).sum() # L1范数
#构造函数
torch.arange(int) – Tensor
零（元组)-张量
torch.ones(元组)-张量
torch.randn(*shape) – Tensor #每个元素都从均值为0、标准差为一的标准高斯（正态)分布中随机采样
torch.tensor([[2，1，4，3]，[1，2，3，4]，[4，3，2，1]]) #来自列表
火炬。张量(numpy。n array)=x . numpy()
torch.zeros _ like(张量)-张量
#算术运算
# Y=X比Y=Y X好
a:火炬。张量
b:火炬。张量
a b，a-b，a*b，a/b，a**b
# a*b哈达玛积，对应位相乘
a==b，ab，ab
torch.exp(a)
#矩阵运算
a:火炬。张量
b:火炬。张量
torch.cat(tuple[Tensor]，dim=int) #按暗淡的维连接各矩阵
torch.dot(张量1D，张量1D)张量0D #仅支持1D张量，输出0D张量
torch.mv(张量2D，张量1D)张量1D
torch.mm(张量2D，张量2D)张量2D
广播机制详解
内容来源网络，如有侵权，联系删除，本文地址：https://www.230890.com/zhan/130339.html