PyTorch教程（六）：算数运算

傷城~ 2022-10-30 14:26 213阅读 0赞

import torch
    
    a = torch.rand(3,4)
    # tensor([[0.0422, 0.9152, 0.5486, 0.8753],
    # [0.3918, 0.6056, 0.0634, 0.9498],
    # [0.4444, 0.2209, 0.8165, 0.1533]])
    b = torch.rand(4)
    # tensor([0.4145, 0.2913, 0.1655, 0.3705])
    
    
    a + b
    # tensor([[0.4567, 1.2065, 0.7141, 1.2458],
    # [0.8064, 0.8969, 0.2289, 1.3203],
    # [0.8589, 0.5122, 0.9819, 0.5238]])
    torch.add(a,b)
    # tensor([[0.4567, 1.2065, 0.7141, 1.2458],
    # [0.8064, 0.8969, 0.2289, 1.3203],
    # [0.8589, 0.5122, 0.9819, 0.5238]])
    torch.all(torch.eq(a+b,torch.add(a,b))) # 判断是不是每一个位置对应的值都形同
    tensor(True)
    
    torch.all(torch.eq(a-b,torch.sub(a,b)))
    tensor(True)
    
    torch.all(torch.eq(a*b,torch.mul(a,b)))
    tensor(True)
    
    torch.all(torch.eq(a/b,torch.div(a,b)))
    tensor(True)

# 矩阵相乘matmul #

> 注意： \* 表示element-wise，相同位置的相乘，  
> 而matmul表示矩阵相乘

a = torch.full([2,2],3)
    # tensor([[3., 3.],
    # [3., 3.]])
    b = torch.ones(2,2)
    # tensor([[1., 1.],
    # [1., 1.]])
    torch.mm(a,b) # 矩阵相乘
    #tensor([[6., 6.],
    # [6., 6.]])
    torch.matmul(a,b) # 矩阵相乘
    #tensor([[6., 6.],
    # [6., 6.]])
    a@b # 矩阵相乘
    #tensor([[6., 6.],
    # [6., 6.]])

上面三种方式表示矩阵相乘，`torch.mm`只能支持2D的矩阵相乘，一般使用`torch.matmul`或者`a@b`来表示。

a = torch.rand(4,3,26,64)
    b = torch.rand(4,3,64,32)
    torch.matmul(a,b).shape  # 4维矩阵相乘
    torch.Size([4, 3, 26, 32])
    
    b = torch.rand(4,1,64,32) # 自动进行Broadcasting

对于上面的4维矩阵相乘，前面的两维保持不变，后面的两维进行相乘。

# 指数与平方根 #

a = torch.full([2,2],3)
    # tensor([[3, 3],
    # [3, 3]])
    a.pow(2) # 平方
    # tensor([[9, 9],
    # [9, 9]])
    b = a ** 2 # 平方
    # tensor([[9, 9],
    # [9, 9]])
    
    b ** (0.5) # 开根号
    # tensor([[3., 3.],
    # [3., 3.]])
    
    torch.sqrt(b.to(torch.double)) # 开根号
    # tensor([[3., 3.],
    # [3., 3.]], dtype=torch.float64)
    
    torch.rsqrt(b.to(torch.double)) # 开根号之后求倒数
    # tensor([[0.3333, 0.3333],
    # [0.3333, 0.3333]], dtype=torch.float64)

这里求平方根的时候为什么不能直接使用`b.sqrt()`?如果使用`b.sqrt()`会报如下错误：`RuntimeError: sqrt_vml_cpu not implemented for 'Long'`。原因是Long类型的数据不支持log对数运算, 为什么Tensor是Long类型? 因为创建List数组时默认使用的是int, 所以从List转成torch.Tensor后, 数据类型变成了Long。

# 以e为底的指数函数 #

a = torch.exp(torch.ones(2,2)) 
    # tensor([[2.7183, 2.7183],
    # [2.7183, 2.7183]])
    torch.log(a) # 默认以e为底
    # tensor([[1., 1.],
    # [1., 1.]])

# floor、ceil、trunc、frac #

a.floor(),a.ceil(),a.trunc(),a.frac()
    (tensor(3.), tensor(4.), tensor(3.), tensor(0.1400))

*  floor:向下取整
 *  ceil：向上取整
 *  trunc：裁剪整数部分
 *  frac：裁剪小数部分

# 四舍五入 #

a = torch.tensor(3.499)
    a.round()
    # tensor(3.)
    a = torch.tensor(3.50)
    a.round()
    # tensor(4.)

# clamp #