isclose in PyTorch

Kauf mir einen Kaffee☕

*Memos:

• Mein Beitrag erklärt equal(), eq() und ne().
• Mein Beitrag erklärt gt() und lt().
• Mein Beitrag erklärt ge() und le().

isclose() kann prüfen, ob die null oder mehr Elemente des 1. 0D- oder mehr D-Tensors elementweise gleich oder nahezu gleich den null oder mehr Elementen des 2. 0D oder mehr D-Tensors sind, und so den 0D oder mehr erhalten D-Tensor aus null oder mehr Elementen, wie unten gezeigt:

*Memos:

• isclose() kann mit Torch oder einem Tensor verwendet werden.
• Das 1. Argument (Eingabe) mit Torch oder unter Verwendung eines Tensors (Required-Type:Tensor von int, float, complex oder bool).
• Das 2. Argument mit Torch oder das 1. Argument mit einem Tensor ist other(Required-Type:tensor of int, float, complex oder bool).
• Das 3. Argument mit Torch oder das 2. Argument mit einem Tensor ist rtol(Optional-Default:1e-05-Type:float).
• Das 4. Argument mit Torch oder das 3. Argument mit einem Tensor ist atol(Optional-Default:1e-08-Type:float).
• Das 5. Argument mit Torch oder das 4. Argument mit einem Tensor ist equal_nan(Optional-Default:False-Type:bool): *Memos:
  • Wenn es wahr ist, geben nan und nan „Wahr“ zurück.
  • Grundsätzlich geben nan und nan False zurück.
• Die Formel lautet |Eingabe – Sonstiges| <= rtol x |other| atol.

import torch

tensor1 = torch.tensor([1.00001001, 1.00000996, 1.00000995, torch.nan])
tensor2 = torch.tensor([1., 1., 1., torch.nan])

torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor1, other=tensor2,
              rtol=1e-05, atol=1e-08, equal_nan=False)
            # 0.00001   # 0.00000001
tensor1.isclose(other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([False, False, True, False])

torch.isclose(input=tensor1, other=tensor2, equal_nan=True)
# tensor([False, False, True, True])

tensor1 = torch.tensor([[1.00001001, 1.00000996],
                        [1.00000995, torch.nan]])
tensor2 = torch.tensor([[1., 1.],
                        [1., torch.nan]])
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[False, False],
#         [True, False]])

tensor1 = torch.tensor([[[1.00001001],
                         [1.00000996]],
                        [[1.00000995],
                         [torch.nan]]])
tensor2 = torch.tensor([[[1.], [1.]],
                        [[1.], [torch.nan]]])
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[[False], [False]],
#         [[True], [False]]])

tensor1 = torch.tensor([[1.00001001, 1.00000996],
                        [1.00000995, torch.nan]])
tensor2 = torch.tensor([1., 1.])

torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[False, False],
#         [True, False]])

tensor1 = torch.tensor([[1.00001001, 1.00000996],
                        [1.00000995, torch.nan]])
tensor2 = torch.tensor(1.)

torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[False, False],
#         [True, False]])

tensor1 = torch.tensor([0, 1, 2])
tensor2 = torch.tensor(1)

torch.isclose(input=tensor1, other=tensor2)
# tensor([False, True, False])

tensor1 = torch.tensor([0.+0.j, 1.+0.j, 2.+0.j])
tensor2 = torch.tensor(1.+0.j)

torch.isclose(input=tensor1, other=tensor2)
# tensor([False, True, False])

tensor1 = torch.tensor([False, True, False])
tensor2 = torch.tensor(True)

torch.isclose(input=tensor1, other=tensor2)
# tensor([False, True, False])

Das obige ist der detaillierte Inhalt vonisclose in PyTorch. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!