pytorch中的運算遵循其Broadcasting規則，這里不詳細解釋。

? ??目錄

1. 矩陣對應位置加減乘除

2. 矩陣相乘?

3. 冪運算

3. 指數與對數運算

4. 近似取值（向上取整，向下取整，四舍五入，取小數等）?

5. clamp

---

1. 矩陣對應位置加減乘除

包括add（加），sub（減），mul（乘），div（除），pytorch中重載了加減乘除的運算符號：

首先先創建兩個tensor

加法，add與+結果一致：

減法，sub與-結果一致：

同理，mul與*，對應乘法運算，div與/ 對應除法運算。

2. 矩陣相乘?

上面使用的mul與*，對應的是兩個tensor對應位置的數字相乘，接下來介紹矩陣相乘的方法：

torch.mm(a,b), 只適用于二維，其他會報錯

torch.matnul(a,b)適用與所有符合運算規則的乘法。

且 可以使用@符號與matnul等價

多維相乘相當于多個二維相乘：

相乘時候需要注意?Broadcasting?規則

3. 冪運算

pow 與 ** 同運算

創建tensor，以及a的二次方。

? ? ????

sqrt 表示平方根，也就是0.5次方

?

3. 指數與對數運算

torch.exp(a)?表示e的a次方：

torch.log(a) 表示e為底進行計算：

4. 近似取值（向上取整，向下取整，四舍五入，取小數等）?

round() 四舍五入。

floor()? 向下取整，ceil()? 向上取整。

?

trunc() 取整數部分，frac() 取小數部分。

?注意這些函數，都有對應的 round_(), floor_(), ceil_(), trunc_(), frac_() , 會對 tensor 本身的值進行更改。

5. clamp

?clamp會對tensor中的數據進行篩選，需要傳入最小值最大值參數，如果只傳入一個參數，則默認為最小值

可見，小于最小值的數值將改變，如果同時也傳入了最大值參數，大于最大值的也將會進行改變

同樣的也有對應的clamp_()函數，會對對象本身的值進行更改。

總結

以上是生活随笔為你收集整理的pytorch 基本数学运算的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。