torch . cumprod( input , dim, out = None ) --> Tensor 返回输入沿指定维度的累积。例如,如果输入是一个N元向量,则结果也是一个N元向量,第i个输出元素值为y i = x 1 · x 2 · x 3 · ... · x i
参数:
--input (Tensor):输入张量
-- dim (int) :累积积操作的维度
--out (Tensor, optional) :结果张量
例子:
>>> a = torch.randn(10)
>>> a
1.1148
1.8423
1.4143
-0.4403
1.2859
-1.2514
-0.4748
1.1735
-1.6332
-0.4272
[torch.FloatTensor of size 10]
>>> torch.cumprod(a, dim=0)
1.1148
2.0537
2.9045
-1.2788
-1.6444
2.0578
-0.9770
-1.1466
1.8726
-0.8000
[torch.FloatTensor of size 10]
>>> a[5] = 0.0
>>> torch.cumprod(a, dim=0)
1.1148
2.0537
2.9045
-1.2788
-1.6444
-0.0000
0.0000
0.0000
-0.0000
0.0000
[torch.FloatTensor of size 10]
torch . cumsum( input , dim, out = None ) --> Tensor 返回输入沿指定维度的累积和。例如,如果输入是一个N元向量,则结果也是一个N元向量,第i个输出元素值为 y i = x1 + x2 + x3 + ...+ x i
参数:
-- input (Tensor) :输入张量
--dim (int) :累积和操作的维度
-- out (Tensor, optional) :结果张量
例子:
>>> a = torch.randn(10)
>>> a
-0.6039
-0.2214
-0.3705
-0.0169
1.3415
-0.1230
0.9719
0.6081
-0.1286
1.0947
[torch.FloatTensor of size 10]
>>> torch.cumsum(a, dim=0)
-0.6039
-0.8253
-1.1958
-1.2127
0.1288
0.0058
0.9777
1.5858
1.4572
2.5519
[torch.FloatTensor of size 10]
torch . dist( input , other, p =2 , out = None ) --> Tensor 返回(input-other)的p范数。
参数:
--input(Tensor):输入张量
--other (Tensor) :右侧输入张量
-- p (float, optional) :所计算的范数
--out (Tensor, optional):结果张量
例子:
>>> x = torch.randn(4)
>>> x
0.2505
-0.4571
-0.3733
0.7807
[torch.FloatTensor of size 4]
>>> y = torch.randn(4)
>>> y
0.7782
-0.5185
1.4106
-2.4063
[torch.FloatTensor of size 4]
>>> torch.dist(x, y, 3.5)
3.302832063224223
>>> torch.dist(x, y, 3)
3.3677282206393286
>>> torch.dist(x, y, 0)
inf
>>> torch.dist(x, y, 1)
5.560028076171875
torch . mean( input ) --> float 返回输入张量所有元素的均值。
参数:
--input(Tensor):输入张量
例子:
>>> a = torch.randn(1, 3)
>>> a
-0.2946 -0.9143 2.1809
[torch.FloatTensor of size 1x3]
>>> torch.mean(a)
0.32398951053619385
torch . mean( input , dim, out = None ) --> Tensor 返回输入张量给定维度dim上每行的均值。
输出形状与输入相同,除了给定维度上为1.
参数:
-- input (Tensor) :输入张量
--dim (int):the dimension to reduce
-- out (Tensor, optional) :结果张量
例子:
>>> a = torch.randn(4, 4)
>>> a
-1.2738 -0.3058 0.1230 -1.9615
0.8771 -0.5430 -0.9233 0.9879
1.4107 0.0317 -0.6823 0.2255
-1.3854 0.4953 -0.2160 0.2435
[torch.FloatTensor of size 4x4]
>>> torch.mean(a, 1)
-0.8545
0.0997
0.2464
-0.2157
[torch.FloatTensor of size 4x1]
torch . median( input , dim =-1 , values = None , indices = None ) -> (Tensor, LongTens)返回输入张量给定维度每行的中位数,同时返回一个包含中位数的索引的LongTensor。
dim值默认为输入张量的最后一维。输出形状与输入相同,除了给定维度上为1.
注意:这个函数还没有在torch.cuda.Tensor中定义。
参数:
--input(Tensor) :输入张量
-- dim (int) :缩减的维度
--values (Tensor, optional) :结果张量
-- indices (Tensor, optional) :返回的索引结果张量
例子:
>>> a = torch.randn(4, 5)
>>> a
0.4056 -0.3372 1.0973 -2.4884 0.4334
2.1336 0.3841 0.1404 -0.1821 -0.7646
-0.2403 1.3975 -2.0068 0.1298 0.0212
-1.5371 -0.7257 -0.4871 -0.2359 -1.1724
[torch.FloatTensor of size 4x5]
>>> torch.median(a, 1) (
0.4056
0.1404
0.0212
-0.7257
[torch.FloatTensor of size 4x1]
0
2
4
1
[torch.LongTensor of size 4x1] )
torch . mode( input , dim =-1 , values = None , indices = None ) -> (Tensor, LongTensor) 返回给定维dim上,每行的众数值。同时返回一个LongTensor,包含众数值的索引。dim值默认为输入张量的最后一维。输出形状与输入相同,除了给定维度上为1。
这个函数还没有在torch.cuda.Tensor中定义
参数:
-- input (Tensor) :输入张量
-- dim (int) :缩减的维度
--values (Tensor, optional) :结果张量
--indices (Tensor, optional):返回的索引张量
例子:
>>> a = torch.randn(4, 5)
>>> a
0.4056 -0.3372 1.0973 -2.4884 0.4334
2.1336 0.3841 0.1404 -0.1821 -0.7646
-0.2403 1.3975 -2.0068 0.1298 0.0212
-1.5371 -0.7257 -0.4871 -0.2359 -1.1724
[torch.FloatTensor of size 4x5]
>>> torch.mode(a, 1)
(
-2.4884
-0.7646
-2.0068
-1.5371
[torch.FloatTensor of size 4x1]
3
4
2
0
[torch.LongTensor of size 4x1] )
torch . norm( input , p =2 ) --> float 返回输入张量Input的P范数。
参数:
--input (Tensor):输入张量
-- p (float,optional) :范数计算中的幂指数值
例子:
>>> a = torch.randn(1, 3)
>>> a
-0.4376 -0.5328 0.9547
[torch.FloatTensor of size 1x3]
>>> torch.norm(a, 3)
1.0338925067372466