pytorch 基本数学运算

pytorch中的运算遵循其Broadcasting规则，这里不详细解释。

    目录

1. 矩阵对应位置加减乘除

2. 矩阵相乘 

3. 幂运算

3. 指数与对数运算

4. 近似取值（向上取整，向下取整，四舍五入，取小数等） 

5. clamp

---

1. 矩阵对应位置加减乘除

包括add（加），sub（减），mul（乘），div（除），pytorch中重载了加减乘除的运算符号：

首先先创建两个tensor

加法，add与+结果一致：

减法，sub与-结果一致：

同理，mul与*，对应乘法运算，div与/ 对应除法运算。

2. 矩阵相乘 

上面使用的mul与*，对应的是两个tensor对应位置的数字相乘，接下来介绍矩阵相乘的方法：

torch.mm(a,b), 只适用于二维，其他会报错

torch.matnul(a,b)适用与所有符合运算规则的乘法。

且 可以使用@符号与matnul等价

多维相乘相当于多个二维相乘：

相乘时候需要注意 Broadcasting 规则

3. 幂运算

pow 与 ** 同运算

创建tensor，以及a的二次方。

        

sqrt 表示平方根，也就是0.5次方

 

3. 指数与对数运算

torch.exp(a) 表示e的a次方：

torch.log(a) 表示e为底进行计算：

4. 近似取值（向上取整，向下取整，四舍五入，取小数等） 

round() 四舍五入。

floor()  向下取整，ceil()  向上取整。

 

trunc() 取整数部分，frac() 取小数部分。

 注意这些函数，都有对应的 round_(), floor_(), ceil_(), trunc_(), frac_() , 会对 tensor 本身的值进行更改。

5. clamp

 clamp会对tensor中的数据进行筛选，需要传入最小值最大值参数，如果只传入一个参数，则默认为最小值

可见，小于最小值的数值将改变，如果同时也传入了最大值参数，大于最大值的也将会进行改变

同样的也有对应的clamp_()函数，会对对象本身的值进行更改。