pytorch-day03

1、统计属性

# 1、norm：范数
a = torch.full([8], 1)
b = a.view(2, 4)
c = a.view(2, 2, 2)
print(a.norm(1), b.norm(1), c.norm(1))  # 1范数 tensor(8.) tensor(8.) tensor(8.)
print(a.norm(2), b.norm(2), c.norm(2))  # 2范数 tensor(2.8284) tensor(2.8284) tensor(2.8284)
print(b.norm(1, dim=0))  # 行和1范数 tensor([2., 2., 2., 2.])
print(b.norm(1, dim=1))  # 列和1范数 tensor([4., 4.])

# 2、mean sum prod max min argmin argmax
# 以下操作都是先打平
a = torch.arange(8).view(2, 4).float()
print(a.min(), a.max(), a.mean(), a.sum(), a.prod())  # prod：累乘
# 返回索引
print(a.argmax(), a.argmin())  # tensor(7) tensor(0)
# 编写不打平的情况，即指定维度dim, keepdim:保持以前的shape
a = torch.rand(4, 10)
print(a.argmax(), a.argmax(dim=1))  # tensor(38) tensor([2, 8, 5, 8])
print(a.max(dim=1))
print(a.max(dim=1, keepdim=True))

# 3、topk
print(a.topk(3, dim=1))  # 从每一行中选出3列最大的
print(a.topk(3, dim=1, largest=False))  # 从每一行中选出3列最小的
# 4、kthvalue
print(a.kthvalue(8, dim=1))  # 返回第8小的(只能是小)数值，即第3大的数值
print(a.kthvalue(8, dim=1, keepdim=True))  # 返回第8小的(只能是小)数值，即第3大的数值

# 5、compare
print(a > 0.5)
torch.equal(a, b)  # 比较每个位置的元素
torch.eq(a, b)  # 比较每个位置的元素

2、Tensor高阶

 　where、gather