当前位置：首页 > article >正文

人工智能深度学习-Torch框架-数学运算

article 2024/11/27 3:10:59

数学的基本操作

1.floor：向下取整

2.celi：向上取整

3.round：四舍五入，这里的四舍五入还要看前面整数的奇偶性，基进偶不进

4.trunc：只保留整数

5.frac：只保留小数部分

6.fix：向0方向舍入

7.%：取余数

8.abs：取绝对值。

 data = torch.tensor(
        [
            [1, 2, -3.5],  # 1
            [4, 5, 6],  # 2
            [10.5, 18.6, 19.6],  # 3
            [11.05, 19.3, 20.6],  # 4
        ]
    )
    print(torch.floor(data))#向下取整（往小了取）
    print(torch.ceil(data))#向上取整（往大了取）
    print(torch.round(data))#四舍五入，这里的四舍五入还要看前面整数的奇偶性，基进偶不进
    print(torch.trunc(data))
    print(torch.fix(data))
    print(torch.frac(data))
    print(data%2)
    print（torch.abs(data)）#取绝对值

三角函数

计算余弦值：torch.cos(input,out=None)

torch.cosh(input,out=None) # 双曲余弦函数

计算正余弦值：torch.sin(input,out=None)

torch.sinh(input,out=None) # 双曲正弦函数

计算正切函数：torch.tan(input,out=None)

torch.tanh(input,out=None) # 双曲正切函数

统计学函数

torch.mean()： 计算张量的平均值。
torch.sum()： 计算张量的元素之和。
torch.std()： 计算张量的标准差。
torch.var()： 计算张量的方差。
torch.median()： 计算张量的中位数。取的是张量内按大小排序好后，按顺序的中位数。

6.torch.max()： 计算张量的最大值。

7.torch.min()： 计算张量的最小值。

8.torch.sort()： 对张量进行排序。返回值为一个排序好的张量列表，以及一个对应索引位置的视图。

9.torch.topk()：返回张量中的前 k 个最大值或最小值。参数有 k = ,表示几个最大值， values: 包含最大的 k 个元素的张量。

10.torch.histc()：计算张量的直方图。参数：bins=，表示分为直方图内的几份。

11.torch.unique()：返回张量中的唯一值。类似于去重。

12.torch.bincount()：计算张量中每个元素的出现次数。统计从小到大（默认0,1,2,3,4,5,6,7）的元素出现的次数，没有的元素记作0

13.torch.mode():众数，返回一个众数，以及其原本虽在视图的索引。

保存以及加载张量

保存数据

def save_tensor():
    # 1. 定义一个张量
    x = torch.tensor([[1, 2, 3], [4, 5, 6]])
    # 2. 保存到文件中
    torch.save(x, "x.pt")#文件地址

加载数据

def load_tensor():
    # 1. 加载张量
    x = torch.load("x.pt")
    # 2. 打印张量

选择打印设备

#设置判断语句，默认以GPU运行
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
    # 3. 加载到指定设备
    x = torch.load("x.pt", map_location=device)