当前位置：首页 > news >正文

pytorch（6）Tensor统计

news 来源：原创 2024/9/20 15:34:38

# 一、Tensor统计

norm 范数 mormalize是正则化

a=torch.full([8],1)
b=a.view(2,4)
c=a.view(2,2,2)

b
Out[6]: 
tensor([[1., 1., 1., 1.],
        [1., 1., 1., 1.]])
c
Out[7]: 
tensor([[[1., 1.],
         [1., 1.]],
        [[1., 1.],
         [1., 1.]]])

a.norm(1),b.norm(1),c.norm(1)#1范数，绝对值求和
Out[8]: (tensor(8.), tensor(8.), tensor(8.))

a.norm(2),b.norm(2),c.norm(2)#2范数，平方和开根号
Out[10]: (tensor(2.8284), tensor(2.8284), tensor(2.8284))

b.norm(1,dim=1)#给定维度
Out[11]: tensor([4., 4.])

c.norm(1,dim=1)
Out[12]: 
tensor([[2., 2.],
        [2., 2.]])

c.norm(1,dim=2)
Out[13]: 
tensor([[2., 2.],
        [2., 2.]])

给定维度的范数计算：例如b，尺寸[2，4]，dim=1维度上元素做1范数，[1+1+1+1，1+1+1+1]→[4，4]

mean sum
prod 累乘
max min argmin argmax 最大值位置首先把tensor打平，再给索引如果不想打平，就必须给定在某个维度求最值

a=torch.rand(4,8)

a
Out[15]: 
tensor([[0.1623, 0.6655, 0.1087, 0.1964, 0.0107, 0.0726, 0.6888, 0.2992],
        [0.4385, 0.5422, 0.6995, 0.5982, 0.8123, 0.0262, 0.1726, 0.2951],
        [0.8082, 0.7044, 0.3842, 0.4944, 0.3141, 0.6634, 0.2168, 0.1553],
        [0.2807, 0.8313, 0.8486, 0.2009, 0.3630, 0.3601, 0.7365, 0.2035]])

a.argmax()
Out[17]: tensor(26)

a.argmax(dim=1)
Out[18]: tensor([6, 4, 0, 2])

dim keepdim 得到的tensor dim和原来的一样

a.max(dim=1)
Out[19]: (tensor([0.6888, 0.8123, 0.8082, 0.8486]), tensor([6, 4, 0, 2]))

a.max(dim=1,keepdim=True)
Out[20]: 
(tensor([[0.6888],
         [0.8123],
         [0.8082],
         [0.8486]]), tensor([[6],
         [4],
         [0],
         [2]]))

kthvalue topk

a.topk(3,dim=1)  #top 3
Out[21]: 
(tensor([[0.6888, 0.6655, 0.2992],
         [0.8123, 0.6995, 0.5982],
         [0.8082, 0.7044, 0.6634],
         [0.8486, 0.8313, 0.7365]]), tensor([[6, 1, 7],
         [4, 2, 3],
         [0, 1, 5],
         [2, 1, 6]]))

a.topk(3,dim=1,largest=False)
Out[23]: 
(tensor([[0.0107, 0.0726, 0.1087],
         [0.0262, 0.1726, 0.2951],
         [0.1553, 0.2168, 0.3141],
         [0.2009, 0.2035, 0.2807]]), tensor([[4, 5, 2],
         [5, 6, 7],
         [7, 6, 4],
         [3, 7, 0]]))

a.kthvalue(8,dim=1)#第8小  只能设置为小，默认为小
Out[24]: (tensor([0.6888, 0.8123, 0.8082, 0.8486]), tensor([6, 4, 0, 2]))

compare: > >= < <= != == torch.eq(a,b) 返回一个tensor，元素为0或1，
torch.eq(a,b）返回True 或 False