alles in PyTorch

Dec 31, 2024 pm 08:15 PM

all in PyTorch

Kauf mir einen Kaffee☕

*Mein Beitrag erklärt any().

all() kann prüfen, ob alle Elemente eines 0D- oder mehr D-Tensors wahr sind, und den 0D- oder mehr D-Tensor von null oder mehr Elementen erhalten, wie unten gezeigt:

*Memos:

  • all() kann mit Torch oder einem Tensor verwendet werden.
  • Das 1. Argument (Eingabe) mit Torch oder unter Verwendung eines Tensors (Required-Type:Tensor von int, float, complex oder bool).
  • Das 2. Argument mit Torch oder das 1. Argument mit einem Tensor ist dim(Optional-Type:int, tuple of int oder list of int).
  • Das 3. Argument mit Torch oder das 2. Argument mit einem Tensor ist keepdim(Optional-Default:False-Type:bool). *Mein Beitrag erklärt das Keepdim-Argument.
  • Es gibt kein Argument mit Torch(Optional-Default:None-Type:tensor): *Memos:
    • out= muss verwendet werden.
    • Mein Beitrag erklärt unser Argument.
  • Ein leerer Tensor gibt ein Wahr eines 1D- oder mehr D-Tensors oder eines leeren 1D- oder mehr D-Tensors zurück.
import torch

my_tensor = torch.tensor(True)

torch.all(input=my_tensor)
my_tensor.all()
torch.all(input=my_tensor, dim=0)
torch.all(input=my_tensor, dim=-1)
torch.all(input=my_tensor, dim=(0,))
torch.all(input=my_tensor, dim=(-1,))
# tensor(True)

my_tensor = torch.tensor([True, False, True, False])

torch.all(input=my_tensor)
torch.all(input=my_tensor, dim=0)
torch.all(input=my_tensor, dim=-1)
torch.all(input=my_tensor, dim=(0,))
torch.all(input=my_tensor, dim=(-1,))
# tensor(False)

my_tensor = torch.tensor([[True, False, True, False],
                          [True, False, True, False]])
torch.all(input=my_tensor)
torch.all(input=my_tensor, dim=(0, 1))
torch.all(input=my_tensor, dim=(0, -1))
torch.all(input=my_tensor, dim=(1, 0))
torch.all(input=my_tensor, dim=(1, -2))
torch.all(input=my_tensor, dim=(-1, 0))
torch.all(input=my_tensor, dim=(-1, -2))
torch.all(input=my_tensor, dim=(-2, 1))
torch.all(input=my_tensor, dim=(-2, -1))
# tensor(False)

torch.all(input=my_tensor, dim=0)
torch.all(input=my_tensor, dim=(0,))
torch.all(input=my_tensor, dim=-2)
# tensor([True, False, True, False])

torch.all(input=my_tensor, dim=1)
torch.all(input=my_tensor, dim=-1)
torch.all(input=my_tensor, dim=(-1,))
# tensor([False, False])

my_tensor = torch.tensor([[0, 1, 2, 3],
                          [4, 5, 6, 7]])
torch.all(input=my_tensor)
# tensor(False)

my_tensor = torch.tensor([[0., 1., 2., 3.],
                          [4., 5., 6., 7.]])
torch.all(input=my_tensor)
# tensor(False)

my_tensor = torch.tensor([[0.+0.j, 1.+0.j, 2.+0.j, 3.+0.j],
                          [4.+0.j, 5.+0.j, 6.+0.j, 7.+0.j]])
torch.all(input=my_tensor)
# tensor(False)

my_tensor = torch.tensor([[]])

torch.all(input=my_tensor)
# tensor(True)

torch.all(input=my_tensor, dim=0)
torch.all(input=my_tensor, dim=-2)
# tensor([], dtype=torch.bool)

torch.all(input=my_tensor, dim=1)
torch.all(input=my_tensor, dim=-1)
# tensor([True])
Nach dem Login kopieren

Das obige ist der detaillierte Inhalt vonalles in PyTorch. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße Artikel -Tags

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Wie benutze ich eine schöne Suppe, um HTML zu analysieren? Wie benutze ich eine schöne Suppe, um HTML zu analysieren? Mar 10, 2025 pm 06:54 PM

Wie benutze ich eine schöne Suppe, um HTML zu analysieren?

Bildfilterung in Python Bildfilterung in Python Mar 03, 2025 am 09:44 AM

Bildfilterung in Python

So herunterladen Sie Dateien in Python So herunterladen Sie Dateien in Python Mar 01, 2025 am 10:03 AM

So herunterladen Sie Dateien in Python

So verwenden Sie Python, um die ZiPF -Verteilung einer Textdatei zu finden So verwenden Sie Python, um die ZiPF -Verteilung einer Textdatei zu finden Mar 05, 2025 am 09:58 AM

So verwenden Sie Python, um die ZiPF -Verteilung einer Textdatei zu finden

Wie man mit PDF -Dokumenten mit Python arbeitet Wie man mit PDF -Dokumenten mit Python arbeitet Mar 02, 2025 am 09:54 AM

Wie man mit PDF -Dokumenten mit Python arbeitet

Wie kann man mit Redis in Django -Anwendungen zwischenstrichen Wie kann man mit Redis in Django -Anwendungen zwischenstrichen Mar 02, 2025 am 10:10 AM

Wie kann man mit Redis in Django -Anwendungen zwischenstrichen

Wie führe ich ein tiefes Lernen mit Tensorflow oder Pytorch durch? Wie führe ich ein tiefes Lernen mit Tensorflow oder Pytorch durch? Mar 10, 2025 pm 06:52 PM

Wie führe ich ein tiefes Lernen mit Tensorflow oder Pytorch durch?

Einführung des natürlichen Sprach -Toolkits (NLTK) Einführung des natürlichen Sprach -Toolkits (NLTK) Mar 01, 2025 am 10:05 AM

Einführung des natürlichen Sprach -Toolkits (NLTK)

See all articles