PyTorch从入门到精通100讲-Pytorch动态图的回溯机制

Posted 文宇肃然

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了PyTorch从入门到精通100讲-Pytorch动态图的回溯机制相关的知识,希望对你有一定的参考价值。

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

以上是关于PyTorch从入门到精通100讲-Pytorch动态图的回溯机制的主要内容,如果未能解决你的问题,请参考以下文章

PyTorch从入门到精通100讲-Pytorch动态图的回溯机制

PyTorch从入门到精通100讲-Pytorch Geometric 从原理到实战应用案例(附代码)

零基础如何入门到精通人工智能Pytorch, 深度学习,如何跟进AI领域的最新算法,如何读论文找代码

零基础如何入门到精通人工智能Pytorch, 深度学习,如何跟进AI领域的最新算法,如何读论文找代码

零基础如何入门到精通人工智能Pytorch, 深度学习,如何跟进AI领域的最新算法,如何读论文找代码

荐书丨深度学习入门之PyTorch