PyTorch 中的正方形

积累知识，胜过积蓄金银！毕竟在文章开发的过程中，会遇到各种各样的问题，往往都是一些细节知识点还没有掌握好而导致的，因此基础知识点的积累是很重要的。下面本文《PyTorch 中的正方形》，就带大家讲解一下知识点，若是你对本文感兴趣，或者是想搞懂其中某个知识点，就请你继续往下看吧~

请我喝杯咖啡☕

本文将介绍 PyTorch 中的 square() 函数，该函数用于计算张量中每个元素的平方。

square() 函数详解

square() 函数可以对 0 维或多维张量中的每个元素进行平方运算。其使用方法灵活，既可以直接作用于张量对象，也可以作为 torch 模块中的一个函数使用。

参数:

• input (Tensor): 输入张量，可以是整数、浮点数、复数或布尔类型的张量。这是必需参数。
• out (Tensor, 可选): 输出张量。如果指定了 out 参数，则结果将写入到 out 指定的张量中。

使用方法示例:

以下代码展示了 square() 函数在不同类型和维度张量上的应用：

import torch

# 一维张量
my_tensor = torch.tensor([-3, 1, -2, 3, 5, -5, 0, -4])
result = torch.square(input=my_tensor)  # 使用 torch.square() 函数
print(result)  # tensor([9, 1, 4, 9, 25, 25, 0, 16])
print(my_tensor.square()) # 直接调用张量对象的square()方法


# 二维张量
my_tensor = torch.tensor([[-3, 1, -2, 3], [5, -5, 0, -4]])
result = torch.square(input=my_tensor)
print(result)
# tensor([[9, 1, 4, 9],
#         [25, 25, 0, 16]])

# 三维张量
my_tensor = torch.tensor([[[-3., 1.], [-2., 3.]], [[5., -5.], [0., -4.]]])
result = torch.square(input=my_tensor)
print(result)
# tensor([[[9., 1.], [4., 9.]],
#         [[25., 25.], [0., 16.]]])

# 复数张量
my_tensor = torch.tensor([[[-3.+0.j, 1.+0.j], [-2.+0.j, 3.+0.j]], [[5.+0.j, -5.+0.j], [0.+0.j, -4.+0.j]]])
result = torch.square(input=my_tensor)
print(result)
# tensor([[[9.-0.j, 1.+0.j], [4.-0.j, 9.+0.j]],
#         [[25.+0.j, 25.-0.j], [0.+0.j, 16.-0.j]]])

# 布尔张量
my_tensor = torch.tensor([[[True, False], [True, False]], [[False, True], [False, True]]])
result = torch.square(input=my_tensor)
print(result)
# tensor([[[1, 0], [1, 0]],
#         [[0, 1], [0, 1]]])

# 使用out参数
out_tensor = torch.zeros_like(my_tensor)
torch.square(input=my_tensor, out=out_tensor)
print(out_tensor)

总结

square() 函数是 PyTorch 中一个简洁而强大的函数，它能够高效地计算张量中每个元素的平方，并且支持多种数据类型。 其灵活的使用方式使其在各种深度学习任务中都非常实用。

以上就是《PyTorch 中的正方形》的详细内容，更多关于的资料请关注golang学习网公众号！