pytorch学习笔记（四）--tensor的基本运算

加减乘除

矩阵相乘

torch.mm 只适用于2d，不推荐
torch.matmul 推荐使用
@ 运算符重载

次方运算

a = torch.full([2,2],3)
aa = a.pow(2)

操作运算如下：

a.pow(n) 表示aⁿ
a**n 表示aⁿ
aa.sqrt() 表示aa ^1/2
aa.rsqrt() 表示aa^1/3
注意这里没有torch.

幂/对数

a = torch.exp(torch.one(2,2)) #指数运算
b = torch.log(a) #对数运算，默认底数为e
c = torch.log2(a) #对数运算，改变底数

近似值

向下取整，floor()
向上取整，ceil()
取整数部分，trunc()
取小数部分，frac()
四舍五入法，round()

clamp()

• clamp(min)
• clamp(min,max)

数据统计

norm范数

a.norm(n,dim=m) #n表示求n的范数，m表示第m维

mean(),sum(),min(),max(),prod()累乘,argmax()返回最大值的下标,argmin()返回最小值的索引

argmax(dim=n)表示在第n维的最大值，如果不指定维度，则会打平为一维数据，返回所有数据的最大值的索引。

dim,keepdim

keepdim表示维度信息和原来的一样

Top-k/k-th

a.topk(k,dim=n， largest=False) #k表示前k个，dim表示维度，largest表示最大值，
默认True，要得到最小值就改为Flase

a.kthvalue(k,dim=n) #表示第n维的第k小的值

比较

>,>=,<,<=,!=,==
判断每一个元素是否相等torch.eq(a,b)，返回维度相同，值为0/1的矩阵
判断整个数据是否相等torch.equal(a,b)，返回True或者False