当前位置: 首页 > article >正文

torch.set_printoptions

torch.set_printoptions

设置pytorch打印张量时的选项,比如限制打印的元素数量、设置精度等。在打印大张量或者需要更精确控制输出格式时非常有用。

torch.set_printoptions(precision=None, threshold=None, edgeitems=None, linewidth=None, profile=None, sci_mode=None)

  • precision – 浮点输出的精度位数(默认值 = 4)。
  • threshold – 输出的数组元素总数(默认值 = 1000)。
  • edgeitems – 每个维度开头和结尾的元素数 (默认值 = 3)。
  • linewidth – 用于插入换行符的每行字符数(默认值 = 80)。
  • profile – 打印选项。可被上述任何选项覆盖。(三个选项:default、short、full)
  • sci_mode – 启用 (True) 或禁用 (False) 科学记数法。
示例 1:设置打印的元素数量
import torch
# 创建一个大张量
big_tensor = torch.randn(1000, 1000)
# 设置打印选项,限制每行打印的元素数量为5
torch.set_printoptions(edgeitems=5)
# 打印大张量
print(big_tensor)
'''output
tensor([[ 7.096e-01, -2.319e-01, -3.508e-01, -1.490e+00, -2.094e+00,  ...,  2.418e+00,
          2.191e+00, -1.097e+00, -8.462e-03,  1.543e+00],
        [-3.659e-01, -2.529e+00, -5.387e-01, -9.730e-01,  1.106e+00,  ...,  2.867e-01,
         -2.998e-01,  1.395e+00,  1.922e-01, -2.857e+00],
        [-1.248e+00,  9.511e-02,  1.104e+00, -2.893e-01,  2.386e-01,  ..., -4.030e-01,
         -1.431e+00,  1.698e+00,  7.792e-02,  5.647e-01],
        [-8.082e-01, -1.269e+00, -9.518e-01, -1.230e+00,  1.623e-01,  ...,  6.505e-01,
          1.299e-01, -2.172e+00,  9.718e-01,  1.547e-01],
        [ 3.541e-01, -1.212e+00,  1.333e+00, -8.269e-01,  3.842e-01,  ..., -2.083e-01,
          2.715e+00,  1.210e+00, -1.783e+00, -7.736e-01],
        ...,
        [ 3.425e-02, -6.938e-01,  6.390e-02, -1.265e+00,  3.217e-01,  ...,  1.713e+00,
          5.801e-01,  1.101e+00, -1.443e+00, -2.739e-01],
        [ 8.133e-01, -1.418e+00, -6.581e-01,  2.327e+00,  1.146e+00,  ...,  6.545e-01,
         -7.152e-01, -6.270e-01, -9.436e-01, -1.858e+00],
        [ 1.339e+00,  6.877e-02, -1.111e+00,  8.770e-01,  1.358e+00,  ..., -2.793e+00,
         -1.135e-01,  1.498e+00,  6.292e-01,  1.196e+00],
        [-1.095e-01,  6.439e-01, -7.375e-01,  4.185e-01, -1.045e-01,  ..., -1.521e+00,
          6.631e-01,  2.701e-01,  1.107e-01, -1.860e-01],
        [-1.281e+00,  3.997e-01,  1.881e-03,  1.170e+00,  4.183e-01,  ...,  3.738e-01,
          5.330e-01, -2.445e-01,  7.956e-01, -7.097e-01]], device='cuda:0')
'''
示例 2:设置打印的精度
import torch

# 创建一个包含小数的张量
tensor = torch.tensor([1.123456789, 2.987654321])

# 设置打印选项,限制打印的浮点数精度为3位小数
torch.set_printoptions(precision=3)

# 打印张量
print(tensor)
'''output
tensor([1.123, 2.988], device='cuda:0')
'''
示例 3:设置科学记数法的阈值
import torch

# 创建一个包含大数和小子数的张量
tensor = torch.tensor([1e-5, 1e5])

# 设置打印选项,当绝对值小于1e-3时使用科学记数法
torch.set_printoptions(sci_mode=True, threshold=1e3)

# 打印张量
print(tensor)
'''output
tensor([1.000e-05, 1.000e+05], device='cuda:0')
'''
示例 4:设置张量的边距
import torch

# 创建一个张量
tensor = torch.randn(5, 5)

# 设置打印选项,行字符宽度
torch.set_printoptions(edgeitems=3, linewidth=40)
# 打印张量
print(tensor)

# 设置打印选项,行字符宽度
torch.set_printoptions(edgeitems=3, linewidth=50)
# 打印张量
print(tensor)
'''output
tensor([[-0.787,  0.227, -1.878,  0.286,
         -0.899],
        [ 0.483,  1.054,  0.770, -0.245,
          1.599],
        [ 0.165, -0.034,  1.457, -0.944,
          0.601],
        [-0.150,  0.388, -0.811, -0.741,
          1.286],
        [-0.657, -0.895,  0.680,  0.946,
         -1.832]], device='cuda:0')
tensor([[-0.787,  0.227, -1.878,  0.286, -0.899],
        [ 0.483,  1.054,  0.770, -0.245,  1.599],
        [ 0.165, -0.034,  1.457, -0.944,  0.601],
        [-0.150,  0.388, -0.811, -0.741,  1.286],
        [-0.657, -0.895,  0.680,  0.946, -1.832]],
       device='cuda:0')

'''
示例 5:恢复默认打印选项
import torch

# 创建一个张量
tensor = torch.randn(5, 5)

# 恢复默认打印选项
torch.set_printoptions(profile='default')
# 打印张量
print(tensor)

# 设置打印选项为short
torch.set_printoptions(profile='short')
# 打印张量
print(tensor)

# 设置打印选项为full
torch.set_printoptions(profile='full')
# 打印张量
print(tensor)
'''output
tensor([[-0.4571,  0.3753, -1.5940, -0.7643, -2.1443],
        [ 0.6022, -0.7247, -0.0522,  1.3891,  0.5575],
        [ 0.6133, -0.4906,  0.8597, -0.7087,  2.1163],
        [-0.0721,  0.7349,  1.2677,  0.8921, -0.2049],
        [ 0.3666,  0.1874,  1.7164,  1.0258, -1.8709]], device='cuda:0')
tensor([[-0.46,  0.38, -1.59, -0.76, -2.14],
        [ 0.60, -0.72, -0.05,  1.39,  0.56],
        [ 0.61, -0.49,  0.86, -0.71,  2.12],
        [-0.07,  0.73,  1.27,  0.89, -0.20],
        [ 0.37,  0.19,  1.72,  1.03, -1.87]], device='cuda:0')
tensor([[-0.4571,  0.3753, -1.5940, -0.7643, -2.1443],
        [ 0.6022, -0.7247, -0.0522,  1.3891,  0.5575],
        [ 0.6133, -0.4906,  0.8597, -0.7087,  2.1163],
        [-0.0721,  0.7349,  1.2677,  0.8921, -0.2049],
        [ 0.3666,  0.1874,  1.7164,  1.0258, -1.8709]], device='cuda:0')

'''

http://www.kler.cn/a/414682.html

相关文章:

  • SpringBoot助力宠物领养系统
  • 输入json 达到预览效果
  • 如何在HarmonyOS NEXT中处理页面间的数据传递?
  • ubuntu+ROS推视频流至网络
  • 实现 Browser 客户端下载 XML 文件功能
  • 面试手撕题积累
  • 房屋出租出售预约系统支持微信小程序+H5+APP
  • 【含开题报告+文档+PPT+源码】基于SpringBoot的艺术培训学校管理系统的设计与实现
  • vue2 中使用 Ag-grid-enterprise 企业版
  • 解决数据传送问题:内网http传输
  • LeetCode 力扣 热题 100道(十)回文链表(C++)
  • 【青牛科技】D1671 75Ω 带4级低通滤波的单通道视频放大电 路芯片介绍
  • 【论文阅读】三平面相关与变体
  • oracle 12c查看执行过的sql及当前正在执行的sql
  • 爬虫cookie反爬------加速乐(jsl)
  • 第三十三章 UDP 客户端 服务器通信 - IPv4 和 IPv6
  • 【软考速通笔记】系统架构设计师⑦——系统架构设计基础知识
  • 亚马逊开发视频人工智能模型,The Information 报道
  • c++类模板成员函数的特化
  • 高防服务器HOT:网络安全的无形盾牌,护航业务稳定
  • Android 是否支持AB分区
  • PPT不能编辑,按钮都是灰色,怎么办?
  • 在 C/C++ 中,volatile 关键字的作用是什么?volatile 关键字与 const 关键字有什么区别?
  • 2022年全国职业院校技能大赛(中职组)网络安全竞赛试题解析
  • 【AI系统】SIMD SIMT 与芯片架构
  • 【Docker项目实战】使用Docker部署Enclosed文件分享工具