day7 数学操作 按点操作 入门 一起学 PyTorch吧，PyTorch从入门开始 每天都更新 超详细 参数 常用方法 简单案列 共同学习，共同进步 坚持

torch . atan( input , out = None ) --> Tensor 返回一个新张量，包含输入input张量每个元素的反正切函数。

参数：

        --tensor（ Tensor）:输入张量

        --out（ Tensor，optional）：输出张量

例子：

>>> a = torch.randn(4)
>>> a
-0.6366
0.2718
0.4469
1.3122
[torch.FloatTensor of size 4]

>>> torch.atan(a)
-0.5669
0.2653
0.4203
0.9196
[torch.FloatTensor of size 4]

torch . atan2(input1, input2, out = None ) --> Tensor返回一个新张量，包含两个输入张量 input1 和 input2 的反正切函数。

参数：

        --input1（Tensor）：第一个输入张量

        --input2（Tensor）：第二个输入张量

        --out（Tensor,optional）：输出张量

例子：

>>> a = torch.randn(4)
>>> a
-0.6366
0.2718
0.4469
1.3122
[torch.FloatTensor of size 4]

>>> torch.atan2(a, torch.randn(4))
-2.4167
2.9755
0.9363
1.6613
[torch.FloatTensor of size 4]

torch . ceil( input , out = None ) --> Tensor对输入 input 张量每个元素向上取整, 即取不小于每个元素的最小整数，并返回结果到输出。

参数：

        --input（Tensor）：输入张量

        --out（Tensor,optional）：输出张量

例子：

>>> a = torch.randn(4)
>>> a
1.3869
0.3912
-0.8634
-0.5468
[torch.FloatTensor of size 4]

>>> torch.ceil(a) 21
-0
-0
[torch.FloatTensor of size 4]

torch . clamp( input , min , max , out = None ) --> Tensor 将输入Input张量每个元素的夹紧到区间[min,maax]，并返回结果到一个新的张量。

操作定义如下：

        

参数：

        --input（Tensor）:输入张量

        --min（Number）:限制范围下限

        --max（Number）:限制范围上限

        --out（Tensor,optional）:输出张量

例子：

>>> a = torch.randn(4)
>>> a
1.3869
0.3912
-0.8634
-0.5468
[torch.FloatTensor of size 4]
>>> torch.clamp(a, min=-0.5, max=0.5)
0.5000
0.3912
-0.5000
-0.5000
[torch.FloatTensor of size 4]

 torch.clamp(input, *, min, out=None) -->Tensor将输入Input张量每个元素的限制到不小于min,并返回结果到一个新张量。

参数：

        --input（Tensor）：输入张量

        --value（Number）:限制范围下限

        --out（Tensor,optional）:输出张量

例子：

>>> a = torch.randn(4)
>>> a
1.3869
0.3912
-0.8634
-0.5468
[torch.FloatTensor of size 4]
>>> torch.clamp(a, min=0.5)
1.3869
0.5000
0.5000
0.5000
[torch.FloatTensor of size 4]
torch.clamp(input, *, max, out=None) -->Tensor

将输入 input 张量每个元素的限制到不大于 max ，并返回结果到一个新张量。

参数：

        --input (Tensor) ：输入张量

        --value (Number) ：限制范围上限

        --out (Tensor, optional) ：输出张量

例子：

>>> a = torch.randn(4)
>>> a
1.3869
0.3912
-0.8634
-0.5468
[torch.FloatTensor of size 4]
>>> torch.clamp(a, max=0.5)
0.5000
0.3912
-0.8634
-0.5468
[torch.FloatTensor of size 4]

torch . cos( input , out = None ) --> Tensor 返回一个新张量，包含输入 input张量每个元素的余弦。

参数：

        --input(Tensor):输入张量

        --out(Tensor,optional):输出张量

例子：

>>> a = torch.randn(4)
>>> a
-0.6366
0.2718
0.4469
1.3122
[torch.FloatTensor of size 4]
>>> torch.cos(a)
0.8041
0.9633
0.9018
0.2557
[torch.FloatTensor of size 4]

torch . cosh( input , out = None ) --> Tensor返回一个新张量，包含输入input张量每个元素的双曲余弦。

参数：

        --input (Tensor) ：输入张量

        --out (Tensor, optional) ：输出张量

例子：

>>> a = torch.randn(4)
>>> a
-0.6366
0.2718
0.4469
1.3122
[torch.FloatTensor of size 4]
>>> torch.cosh(a)
1.2095
1.0372
1.1015
1.9917
[torch.FloatTensor of size 4]

torch . div( input , value, out = None )将 input 逐元素除以标量值 value，并返回结果到输出张量Out。即 out = input / value, 返回值类型与 input 一致。

参数：

        --input (Tensor)：输入张量

        -- value (Number) ：除数

        --out (Tensor, optional)：输出张量

例子：

In [0]: a = torch.randn(2)
In [1]: a
Out[1]: tensor([-0.9446, -1.4931])
In [2]: torch.div(a,0.5)
Out[2]: tensor([-1.8892, -2.9861])
In [3]: torch.div(a,0.5)
Out[3]: tensor([-1.8892, -2.9861])

torch . div( input , other, out = None )两张量 input 和 other 逐元素相除，并将结果返回到输出。即out i = input i / other i两张量形状不须匹配，但元素数须一致。

         当形状不匹配时， input 的形状作为输出张量的形状。

参数：

        --input(Tensor):张量（分子）

        -- other (Tensor) ：张量 ( 分母 )

        -- out (Tensor, optional) ：输出张量

例子：

>>> a = torch.randn(4, 4)
>>> a
tensor([[-0.3711, -1.9353, -0.4605, -0.2917], 
        [ 0.1815, -1.0111, 0.9805, -1.5923], 
        [ 0.1062, 1.4581, 0.7759, -1.2344], 
        [-0.1830, -0.0313, 1.1908, -1.4757]])
>>> b = torch.randn(4)
>>> b
tensor([ 0.8032, 0.2930, -0.8113, -0.2308])
>>> torch.div(a, b)
tensor([[-0.4620, -6.6051, 0.5676, 1.2637], 
        [ 0.2260, -3.4507, -1.2086, 6.8988], 
        [ 0.1322, 4.9764, -0.9564, 5.3480], 
        [-0.2278, -0.1068, -1.4678, 6.3936]])

torch . exp(tensor, out = None ) --> Tensor 返回一个新张量，包含输入 input 张量每个元素的指数。

参数：

        -- input (Tensor) ：输入张量

        --out (Tensor, optional) ：输出张量

例子：

>>> torch.exp(torch.Tensor([0, math.log(2)]))
torch.FloatTensor([1, 2])

torch . floor( input , out = None ) --> Tensor 返回一个新张量，包含输入 input张量每个元素floor,即不小于元素的最大整数。

参数：

        --input（Tensor）:输入张量

        --out（Tensor,optional）:输出张量

例子：

>>> a = torch.randn(4)
>>> a
1.3869
0.3912
-0.8634
-0.5468
[torch.FloatTensor of size 4]
>>> torch.floor(a) 10
 0
 0
-1
-1
[torch.FloatTensor of size 4]

torch . fmod( input , divisor, out = None ) --> Tensor 计算除法余数。除数与被除数可能同时含有整数和浮点数。此时，余数的正负与被除数相同。

参数;

        --input (Tensor) ：被除数

        --divisor (Tensor or float) ：除数，一个数或与被除数相同类型的张量

        --out (Tensor, optional) ：输出张量

例子：

>>> torch.fmod(torch.Tensor([-3, -2, -1, 1, 2, 3]), 2)
torch.FloatTensor([-1, -0, -1, 1, 0, 1])
>>> torch.fmod(torch.Tensor([1, 2, 3, 4, 5]), 1.5)
torch.FloatTensor([1.0, 0.5, 0.0, 1.0, 0.5])

参考： torch.remainder(), 计算逐元素余数，相当于 python 中的