Torch包函数3 - v1.1（施工中止）
-
torch.sum()
-
torch.sum(input,dtype): → Tensor
返回input中所有元素的和。
参数
input(Tensor): 输入张量。
dtype(torch.dtype，可选): 规定返回张量的数据类型。如果指定的话，输入张量将会在操作前被转化为dtype类型。这对防止由数据类型导致的溢出很有用。默认为None。
Example:
-
torch.sum(input,dim,keepdim=False,dtype=None): → Tensor
返回input在给定dim维每行的标准差。若dim为维度的列表，则缩减所有提到的维度。
如果keepdim为True，则输出张量在除了dim维上大小为1外，在其它维的大小都和input相同。否则，dim会被压缩(见torch.squeeze())，导致输出张量的维度会是1(或len(dim))或更小的维度。
参数
input(Tensor): 输入张量。
dim(int/tuple of python:ints): 决定消减的维度。
keepdim(bool): 决定输出张量是否保存dim的维度。
dtype(torch.dtype，可选): 规定返回张量的数据类型。如果指定的话，在操作开始前输入张量被转换为dtype类型。这对防止由数据类型导致的溢出很有用。默认为None。
Example:
-
-
torch.unique(input,sorted=True,return_inverse=False,return_counts=False,dim=None): → Tensor
返回input中所有出现过的值，相同值只表示一次。
参数
input(Tensor): 输入张量。
sorted(bool): 是否在将结果返回时将元素按升序排列。
return_inverse(bool): 是否也返回输入张量的元素在返回的output张量中的位置的索引。
return_counts(bool): 是否也返回每个值的出现次数。
返回
(Tensor,Tensor(可选),Tensor(可选))
返回的张量或张量构成的元组包括：
-
output(Tensor): 由挑选出的值组成的张量。
-
inverse_indices(Tensor，可选): 如果return_inverse为True，将会再返回一个张量，它表示了输入张量的元素在返回的output张量中的位置的索引(大小和input相同)；否则，该函数只会返回一个单独的张量。
-
counts(Tensor，可选): 如果return_counts为True，将会再返回一个张量(当dim指定时，大小与output.size(dim)相同，否则与output相同)，它表示了每个挑选出的值或张量的出现次数。
Example:
-
-
torch.unique_consecutive(input,return_inverse=False,return_counts=False,dim=None): → Tensor
若张量中的某个数字与其前一数字相同，则删除它。
Note:
该函数与torch.unique()不同，它只删除连续的重复数列中的值，其机制与C++中的std::unique相似。参数
input(Tensor): 输入张量。
return_inverse(bool): 是否也返回输入张量的元素在返回的output张量中的位置的索引。
return_counts(bool): 是否也返回每个值的出现次数。
返回
(Tensor,Tensor(可选),Tensor(可选))
返回的张量或张量构成的元组包括：
-
output(Tensor): 由挑选出的值组成的张量。
-
inverse_indices(Tensor，可选): 如果return_inverse为True，将会再返回一个张量，它表示了输入张量的元素在返回的output张量中的位置的索引(大小和input相同)；否则，该函数只会返回一个单独的张量。
-
counts(Tensor，可选): 如果return_counts为True，将会再返回一个张量(当dim指定时，大小与output.size(dim)相同，否则与output相同)，它表示了每个挑选出的值或张量的出现次数。
Example:
-
-
torch.var()
-
torch.var(input,unbiased=True): → Tensor
返回input的所有元素的方差。
如果unbiased为False，则根据有偏估计计算方差。否则，则使用Bessel校正。
参数
input(Tensor): 输入张量。
unbiased(bool): 使用使用无偏估计。
Example:
-
torch.var(input,dim,keepdim=False,unbiased=True,out=None): → Tensor
返回input张量在给定维每行的方差。
如果keepdim为True，则输出张量除了在dim维上大小为1外，其它维上大小均与input相同。否则，dim会被压缩(见torch.squeeze())，导致输出张量的维度会是1(或len(dim))或更小的维度。
如果unbiased为False，则根据有偏估计计算方差。否则，则使用Bessel校正。
参数
input(Tensor): 输入张量。
dim(int/tuple of python:ints): 决定消减的维度。
keepdim(bool): 决定输出张量是否保存dim的维度。
unbiased(bool): 使用使用无偏估计。
out(Tensor): 输出张量。
Example:
-
Comparison Ops
-
torch.allclose(self,other,rtol=1e-5,atol=1e-8,equal_nan=false): → bool
这个函数检查all和other类的每个元素是否满足以下条件：
该函数的机制类似numpy.allclose：https://docs.scipy.org/doc/numpy/reference/generated/numpy.allclose.html。参数
self(Tensor): 第一个比较的张量。
other(Tensor): 第二个比较的张量。
atol(float，可选): 绝对误差，默认为1e-8。
rtol(float，可选): 相对误差，默认为1e-5。
equal_nan(float，可选): 若为True，则NaN视为相等。默认为False。
Example:
-
torch.argsort(input,dim=-1,descending=False,out=None): → LongTensor
返回张量给定维度按值的升序排序的索引。
该函数返回值是torch.sort()返回的第二个值。
参数
input(Tensor): 输入张量。
dim(int，可选): 进行排序的维度。
descending(bool，可选): 控制排序顺序(升序或降序)。
Example:
-
torch.eq(input,other,out=None): → Tensor
逐元素地比较是否相等。
other参数既可以是数字，也可以是形状和input满足broadcastable的张量。
参数
input(Tensor): 用以比较的张量。
other(Tensor/float): 用以比较的张量或值。
out(Tensor，可选): 输出张量。类型必须为ByteTensor。
Example:
-
torch.equal(tensor1,tensor2): → bool
如果两个张量有相同的大小和元素，则返回True；否则返回False。
Example:
-
torch.ge(input,other,out=None): → Tensor
逐元素地比较input是否大于等于other。other参数既可以是数字，也可以是形状和input满足broadcastable的张量。
参数
input(Tensor): 用以比较的张量。
other(Tensor/float): 用以比较的张量或值。
out(Tensor，可选): 输出张量。类型必须为ByteTensor。
Example:
-
torch.gt(input,other,out=None): → Tensor
逐元素地比较input是否大于other。other参数既可以是数字，也可以是形状和input满足broadcastable的张量。
参数
input(Tensor): 用以比较的张量。
other(Tensor/float): 用以比较的张量或值。
out(Tensor，可选): 输出张量。类型必须为ByteTensor。
Example:
-
torch.isfinite(Tensor): → Tensor
返回一个标记对应位置元素是否为有限值的张量。
参数
Tensor(Tensor): 被检查的张量。
-
torch.isinf(Tensor): → Tensor
返回一个标记对应位置元素是否为无限值的张量。
参数
Tensor(Tensor): 被检查的张量。
Example:
-
torch.isnan(Tensor): → Tensor
返回一个标记对应位置元素是否为NaN的张量。参数
Tensor(Tensor): 被检查的张量。
Example:
-
torch.kthvalue(input,k,dim=None,keepdim=False,out=None): → (Tensor,LongTensor)
返回一个命名元组(values,indices)，其中values是input中在给定dim维中每行第k小的值。而indices为找到的每个值对应的位置。
如果dim未指定，则默认为input的最后一个维度。
如果keepdim为True，那么values和indices张量除了在dim维上大小为1外，在其它维度上大小都和input保持一致。否则，dim会被压缩(见torch.squeeze())，导致输出张量的维度会是1(或len(dim))或更小的维度。
参数
input(Tensor): 输入张量。
k(int): 寻找第k小的元素。
dim(int/tuple of python:ints): 决定消减的维度。
keepdim(bool): 决定输出张量是否保存dim的维度。
out(Tensor): 输出元组(values,LongTensor)可被选作做输出缓冲区。
Example:
-
torch.le(input,other,out=None): → Tensor
逐元素地比较input是否小于等于other。
other参数既可以是数字，也可以是形状和input满足broadcastable的张量。
参数
input(Tensor): 用以比较的张量。
other(Tensor/float): 用以比较的张量或值。
out(Tensor，可选): 输出张量。类型必须为ByteTensor。
Example:
-
torch.lt(input,other,out=None): → Tensor
逐元素地比较input是否小于other。
other参数既可以是数字，也可以是形状和input满足broadcastable的张量。
参数
input(Tensor): 用以比较的张量。
other(Tensor/float): 用以比较的张量或值。
out(Tensor，可选): 输出张量。类型必须为ByteTensor。
Example:
-
torch.max()
-
torch.max(input): → Tensor
返回input张量中所有元素的最大值。
参数
input(Tensor): 输入张量。
Example:
-
torch.max(input,dim,keepdim=False,out=None): → (Tensor,LongTensor)
返回一个命名元组(values,indices)，其中values是input中在给定dim维中每行最大的值。而indices为找到的每个值对应的位置。
如果keepdim为True，那么values和indices张量除了在dim维上大小为1外，在其它维度上大小都和input保持一致。否则，dim会被压缩(见torch.squeeze())，导致输出张量的维度会是1(或len(dim))或更小的维度。
Example:
-
torch.max(input,other,out=None): → Tensor
分别对比input和other的每个元素，并选取较大的元素组成返回张量。
input和other的形状不必匹配，但必须是broadcastable。
Note:
当形状不匹配时，返回张量的形状满足broadcasting规则(注：见https://blog.csdn.net/JachinMa/article/details/90764336)。参数
input(Tensor): 输入张量。
other(Tensor): 第二个输入张量。
out(Tensor): 输出张量。
Example:
-
-
torch.min()
-
torch.min(input): → Tensor
返回input张量中所有元素的最小值。
参数
input(Tensor): 输入张量。
Example:
-
torch.min(input,dim,keepdim=False,out=None): → (Tensor,LongTensor)
返回一个命名元组(values,indices)，其中values是input中在给定dim维中每行最小的值。而indices为找到的每个值对应的位置。
如果keepdim为True，那么values和indices张量除了在dim维上大小为1外，在其它维度上大小都和input保持一致。否则，dim会被压缩(见torch.squeeze())，导致输出张量的维度会是1(或len(dim))或更小的维度。
Example:
-
torch.min(input,other,out=None): → Tensor
分别对比input和other的每个元素，并选取较小的元素组成返回张量。
input和other的形状不必匹配，但必须是broadcastable。
Note:
当形状不匹配时，返回张量的形状满足broadcasting规则(注：见https://blog.csdn.net/JachinMa/article/details/90764336)。参数
input(Tensor): 输入张量。
other(Tensor): 第二个输入张量。
out(Tensor): 输出张量。
Example:
-
-
torch.ne(input,other,out=None): → Tensor
逐元素地比较input和other是否不等。
other参数既可以是数字，也可以是形状和input满足broadcastable的张量。
参数
input(Tensor): 用以比较的张量。
other(Tensor/float): 用以比较的张量或值。
out(Tensor，可选): 输出张量。类型必须为ByteTensor。
Example:
-
torch.sort(input