如何检查两个 Torch 张量或矩阵是不是相等？

Posted 2023-03-28

【中文标题】如何检查两个 Torch 张量或矩阵是不是相等？

【英文标题】：How to check if two Torch tensors or matrices are equal?如何检查两个 Torch 张量或矩阵是否相等？

【发布时间】：2016-01-04 22:10:41

【问题描述】：

我需要一个 Torch 命令来检查两个张量是否具有相同的内容，如果它们具有相同的内容则返回 TRUE。

例如：

local tens_a = torch.Tensor(9,8,7,6);
local tens_b = torch.Tensor(9,8,7,6);

if (tens_a EQUIVALENCE_COMMAND tens_b) then ... end

我应该在这个脚本中使用什么来代替EQUIVALENCE_COMMAND？

我只是尝试了==，但它不起作用。

【问题讨论】：

要考虑浮点差异，请参阅Check if PyTorch tensors are equal within epsilon。

【参考方案1】：

torch.eq(a, b)

eq() 实现== 运算符比较a 中的每个元素与b（如果b 是一个值）或a 中的每个元素与其对应的b 中的元素（如果b是张量）。

---

@deltheil 的替代方案：

torch.all(tens_a.eq(tens_b))

【讨论】：

正如其他答案中提到的，使用当前的火炬，.eq 返回一个张量，而.equal 实际上返回一个布尔值。

【参考方案2】：

以下解决方案对我有用：

torch.equal(tensorA, tensorB)

来自the documentation：

True 如果两个张量具有相同的大小和元素，则False 否则。

【讨论】：

这个答案应该是唯一用于这个问题的答案，因为这个函数与 OP 想要的确切行为匹配 + 它是最有效的，如果张量的形状不同，则不进行计算。

【参考方案3】：

要比较张量，您可以按元素进行：

torch.eq 是元素方面的：

torch.eq(torch.tensor([[1., 2.], [3., 4.]]), torch.tensor([[1., 1.], [4., 4.]]))
tensor([[True, False], [False, True]])

或者torch.equal 正好代表整个张量：

torch.equal(torch.tensor([[1., 2.], [3, 4.]]), torch.tensor([[1., 1.], [4., 4.]]))
# False
torch.equal(torch.tensor([[1., 2.], [3., 4.]]), torch.tensor([[1., 2.], [3., 4.]]))
# True

但是你可能会迷失方向，因为在某些时候你想忽略一些小的差异。例如 floats 1.0 和 1.0000000001 非常接近，您可能会认为它们是相等的。对于这种比较，你有torch.allclose。

torch.allclose(torch.tensor([[1., 2.], [3., 4.]]), torch.tensor([[1., 2.000000001], [3., 4.]]))
# True

在某些时候，与元素的全部数量相比，检查元素数量是否相等可能很重要。如果你有两个张量 dt1 和 dt2 你会得到 dt1 的元素数量为 dt1.nelement()

通过这个公式，您可以得到百分比：

print(torch.sum(torch.eq(dt1, dt2)).item()/dt1.nelement())

【讨论】：

torch.allclose() 是我要找的那个。

不等于怎么办？

【参考方案4】：

如果您想忽略浮点数常见的细微精度差异，请尝试此操作

torch.all(torch.lt(torch.abs(torch.add(tens_a, -tens_b)), 1e-12))

【讨论】：

您也可以使用torch.allclose()。

【参考方案5】：

您可以将两个张量转换为 numpy 数组：

local tens_a = torch.Tensor((9,8,7,6));
local tens_b = torch.Tensor((9,8,7,6));

a=tens_a.numpy()
b=tens_b.numpy()

然后是类似的东西

np.sum(a==b)
4

会让您对他们的平等程度有一个相当好的了解。