[PyTroch系列 |
您所在的位置：网站首页 › python如何获取小数部分 › [PyTroch系列 |
[PyTroch系列
|
作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing 本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119429253 目录 第1 章 Tensor运算概述 1.1 概述 1.3 “in place“运算 1.4 Tensor的广播机制: 不同维度的tensor实例运算 1.5 环境准备 1.6 取整运算概述 第2章 向下取整：floor() 第3章 向上取整：ceil() 第4章 四舍五入的函数：around() 第5章 裁剪取整数部分：trunc() 第6章 取小数部分：frac() 第7章 取余数运算：remainder() 第1 章 Tensor运算概述 1.1 概述PyTorch提供了大量的张量运算，基本上可以对标Numpy多维数组的运算，以支持对张量的各种复杂的运算。 这些操作运算中大多是对数组中每个元素执行相同的函数运算，并获得每个元素函数运算的结果序列，这些序列生成一个新的同维度的数组。 https://pytorch.org/docs/master/torch.html 1.2 运算分类 （1）算术运算：加、减、系数乘、系数除 （2）函数运算：sin，cos （3）取整运算：上取整、下取整 （4）统计运算：最大值、最小值、均值 （5）线性代数运算：矩阵、点乘、叉乘 1.3 “in place“运算“in place“运算不是某个特定的函数运算，而是每个函数都有自己的“in place“运算的版本。 xxx_()：执行完该操作，直接修改tensor自身的值。 基本上，每个函数都有自己的in place版本。 如 torch.cos() =》torch.cos_() torch.floor() =》torch.floor_() 1.4 Tensor的广播机制: 不同维度的tensor实例运算 1.5 环境准备 import numpy as np import torch print("Hello World") print(torch.__version__) print(torch.cuda.is_available()) 1.6 取整运算概述
floor() 返回小于或者等于指定表达式的最大整数，即向下取整，即小于该数的、与该数最接近的整数。 #实例 a = torch.Tensor([0.24, 1.0, 2.1, 3, 4.55]) print ('原数组：') print (a) print ('\n') print ('运算后：') print (torch.floor(a)) #输出结果为： 原数组： tensor([0.2400, 1.0000, 2.1000, 3.0000, 4.5500]) 运算后： tensor([0., 1., 2., 3., 4.]) 第3章 向上取整：ceil()ceil() 返回大于或者等于指定表达式的最小整数，即向上取整。 #实例 a = torch.Tensor([0.24, 1.0, 2.1, 3, 4.55]) print ('原数组：') print (a) print ('\n') print ('运算后：') print (torch.ceil(a)) #输出结果为： 原数组： tensor([0.2400, 1.0000, 2.1000, 3.0000, 4.5500]) 运算后： tensor([1., 1., 3., 3., 5.]) 第4章 四舍五入的函数：around()around() 函数返回指定数字的四舍五入值。 #实例 a = torch.Tensor([0.24, 1.0, 2.1, 3, 4.55]) print ('原数组：') print (a) print ('\n') print ('运算后：') print (torch.round(a)) #输出结果为： 原数组： tensor([0.2400, 1.0000, 2.1000, 3.0000, 4.5500]) 运算后： tensor([0., 1., 2., 3., 5.]) 第5章 裁剪取整数部分：trunc()trunc() 函数返回指定数字的整数部分 a = torch.Tensor([0.24, 1.0, 2.1, 3, 4.55]) print ('原数组：') print (a) print ('\n') print ('运算后：') print (torch.trunc(a)) #输出结果： 原数组： tensor([0.2400, 1.0000, 2.1000, 3.0000, 4.5500]) 运算后： tensor([0., 1., 2., 3., 4.]) 第6章 取小数部分：frac()frac() 函数返回指定数字的分数 a = torch.Tensor([0.24, 1.0, 2.1, 3, 4.55]) print ('原数组：') print (a) print ('\n') print ('运算后：') print (torch.frac(a)) 输出结果： 原数组： tensor([0.2400, 1.0000, 2.1000, 3.0000, 4.5500]) 运算后： tensor([0.2400, 0.0000, 0.1000, 0.0000, 0.5500]) 第7章 取余数运算：remainder()numpy.mod() 计算输入数组中相应元素的相除后的余数。 函数 numpy.remainder() 也产生相同的结果。 实例 a = torch.Tensor([10,10,10,10,10]) b = torch.Tensor([1,2,3,4,5]) print("原数据a") print(a) print("原数据b") print(b) #导数运算 print("运算后数据") print(a%b) print(torch.remainder(a,b)) print(a.remainder(b)) print("原数据a") print (a) 输出结果为： 原数据a tensor([10., 10., 10., 10., 10.]) 原数据b tensor([1., 2., 3., 4., 5.]) 运算后数据 tensor([0., 0., 1., 2., 0.]) tensor([0., 0., 1., 2., 0.]) tensor([0., 0., 1., 2., 0.]) 原数据a tensor([10., 10., 10., 10., 10.])作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing 本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119429253
|
【本文地址】
今日新闻 |
推荐新闻 |