PyTorch从入门到精通100讲-Pytorch动态图的回溯机制

Posted 2022-04-12 文宇肃然

一、张量的科学运算

1 进行数值调整

t = torch.randn(5)
t
# tensor([ 0.3806,  0.9064, -1.9179,  2.0816, -0.4153])

1.1 返回绝对值

torch.abs(t)
# tensor([0.3806, 0.9064, 1.9179, 2.0816, 0.4153])

1.2 返回相反数

torch.neg(t)
# tensor([-0.3806, -0.9064,  1.9179, -2.0816,  0.4153])

1.3 四舍五入

torch.round(t)
# tensor([ 0.,  1., -2.,  2., -0.])

1.4 向上取整

torch.ceil(t) 
# tensor([ 1.,  1., -1.,  3., -0.])

1.5 向下取整

torch.floor(t)
# tensor([ 0.,  0., -2.,  2., -1.])

注意

虽然此类型函数并不会对原对象进行调整，而是输出新的结果。

# t本身并未发生变化
t
# tensor([ 0.3806,  0.9064, -1.9179,  2.0816, -0.4153])

若要对原对象本身进行修改，可使用方法_()。

# 使用方法_()
t.round_()
# tensor([ 0.,  1., -2.,  2., -0.])

# 原对象也进行了改变
t
# tensor([ 0.,  1., -2.,  2., -0