sekurang-kurangnya_dalam PyTorch

Beli Saya Kopi☕

*Memo:

• Siaran saya menerangkan sekurang-kurangnya_2d().
• Siaran saya menerangkan sekurang-kurangnya_3d().

sekurang-kurangnya_1d() boleh mendapatkan pandangan satu atau lebih tensor 1D atau lebih D sifar atau lebih elemen dengan hanya menukar satu atau lebih tensor 0D kepada satu atau lebih tensor 1D daripada satu atau lebih tensor 0D atau lebih D bagi sifar atau lebih elemen seperti yang ditunjukkan di bawah:

*Memo:

• atleast_1d() boleh digunakan dengan obor tetapi tidak dengan tensor.
• Argumen pertama atau lebih dengan obor ialah *tensor(Jenis Diperlukan:tensor int, float, kompleks atau bool atau tuple atau senarai tensor int, float, kompleks atau bool): *Memo:
  • Jika menetapkan lebih daripada satu tensor, satu tuple tensor dikembalikan sebaliknya tensor dikembalikan.
  • Jangan gunakan sebarang kata kunci seperti *tensor=, tensor atau input.
• Menetapkan tiada argumen mengembalikan tupel kosong.

import torch

tensor0 = torch.tensor(2) # 0D tensor

torch.atleast_1d(tensor0)
# tensor([2])

tensor0 = torch.tensor(2) # 0D tensor
tensor1 = torch.tensor([2, 7, 4]) # 1D tensor
tensor2 = torch.tensor([[2, 7, 4], [8, 3, 2]]) # 2D tensor
tensor3 = torch.tensor([[[2, 7, 4], [8, 3, 2]], # 3D tensor
                        [[5, 0, 8], [3, 6, 1]]])
tensor4 = torch.tensor([[[[2, 7, 4], [8, 3, 2]], # 4D tensor
                         [[5, 0, 8], [3, 6, 1]]],
                        [[[9, 4, 7], [1, 0, 5]],
                         [[6, 7, 4], [2, 1, 9]]]])
torch.atleast_1d(tensor0, tensor1, tensor2, tensor3, tensor4)
torch.atleast_1d((tensor0, tensor1, tensor2, tensor3, tensor4))
# (tensor([2]),
#  tensor([2, 7, 4]),
#  tensor([[2, 7, 4], [8, 3, 2]]),
#  tensor([[[2, 7, 4], [8, 3, 2]],
#          [[5, 0, 8], [3, 6, 1]]]),
#  tensor([[[[2, 7, 4], [8, 3, 2]],
#           [[5, 0, 8], [3, 6, 1]]],
#          [[[9, 4, 7], [1, 0, 5]],
#           [[6, 7, 4], [2, 1, 9]]]]))

tensor0 = torch.tensor(2) # 0D tensor
tensor1 = torch.tensor([2, 7, 4]) # 1D tensor
tensor2 = torch.tensor([[2., 7., 4.], # 2D tensor
                        [8., 3., 2.]])
tensor3 = torch.tensor([[[2.+0.j, 7.+0.j, 4.+0.j], # 3D tensor
                         [8.+0.j, 3.+0.j, 2.+0.j]],
                        [[5.+0.j, 0.+0.j, 8.+0.j],
                         [3.+0.j, 6.+0.j, 1.+0.j]]])
tensor4 = torch.tensor([[[[True, False, True], [False, True, False]],
                         [[True, False, True], [False, True, False]]],
                        [[[True, False, True], [False, True, False]],
                         [[True, False, True], [False, True, False]]]])
                       # 4D tensor
torch.atleast_1d(tensor0, tensor1, tensor2, tensor3, tensor4)
# (tensor([2]),
#  tensor([2, 7, 4]),
#  tensor([[2., 7., 4.],
#          [8., 3., 2.]]),
#  tensor([[[2.+0.j, 7.+0.j, 4.+0.j],
#           [8.+0.j, 3.+0.j, 2.+0.j]],
#          [[5.+0.j, 0.+0.j, 8.+0.j],
#           [3.+0.j, 6.+0.j, 1.+0.j]]]),
#  tensor([[[[True, False, True], [False, True, False]],
#           [[True, False, True], [False, True, False]]],
#          [[[True, False, True], [False, True, False]],
#           [[True, False, True], [False, True, False]]]]))

torch.atleast_1d()
# ()

Atas ialah kandungan terperinci sekurang-kurangnya_dalam PyTorch. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!