pow dans PyTorch

Achetez-moi un café☕

*Mémos :

• Mon message explique square().
• Mon message explique float_power().
• Mon message explique abs() et sqrt().
• Mon message explique gcd() et lcm().
• Mon article explique trace(), reciprocal() et rqrt().

pow() peut obtenir le tenseur 0D ou plus D de zéro ou plusieurs puissances à partir de deux des tenseurs 0D ou plus D de zéro ou plusieurs éléments ou le tenseur 0D ou plus D de zéro ou plusieurs éléments et un scalaire comme indiqué ci-dessous :

*Mémos :

• pow() peut être utilisé avec une torche ou un tenseur.
• Le 1er argument (entrée) avec torch (Required-Type : tenseur ou scalaire de int, float ou complexe) ou en utilisant un tenseur (Required-Type : tensor de int, float ou complexe). *la torche doit utiliser un scalaire sans input=.
• Le 2ème argument avec torch ou le 1er argument avec un tenseur est l'exposant (Required-Type : tenseur ou scalaire de int, float ou complexe). *Un scalaire négatif ne peut pas être utilisé.
• Il y a un argument avec torch(Optional-Default:None-Type:tensor) : *Mémos :
  • out= doit être utilisé.
  • Mon message explique notre argument.
• La combinaison d'un scalaire (entrée ou d'un tenseur) et d'un scalaire (exposant) ne peut pas être utilisée.
• La combinaison d'un tenseur(input(bool) ou d'un tensor(bool)) et d'un scalaire(exposant(bool)) fonctionne.

import torch

tensor1 = torch.tensor(-3)
tensor2 = torch.tensor([-4, -3, -2, -1, 0, 1, 2, 3])

torch.pow(input=tensor1, exponent=tensor2)
tensor1.pow(exponent=tensor2)
# tensor([0, 0, 0, 0, 1, -3, 9, -27])

torch.pow(-3, exponent=tensor2)
# tensor([0, 0, 0, 0, 1, -3, 9, -27])

torch.pow(input=tensor1, exponent=3)
# tensor(-27)

tensor1 = torch.tensor([-3, 1, -2, 3, 5, -5, 0, -4])
tensor2 = torch.tensor([-4, -3, -2, -1, 0, 1, 2, 3])

torch.pow(input=tensor1, exponent=tensor2)
# tensor([0, 1, 0, 0, 1, -5, 0, -64])

torch.pow(-3, exponent=tensor2)
# tensor([0, 0, 0, 0, 1, -3, 9, -27])

torch.pow(input=tensor1, exponent=3)
# tensor([-27, 1, -8, 27, 125, -125, 0, -64])

tensor1 = torch.tensor([[-3, 1, -2, 3], [5, -5, 0, -4]])
tensor2 = torch.tensor([0, 1, 2, 3])

torch.pow(input=tensor1, exponent=tensor2)
# tensor([[1, 1, 4, 27], [1, -5, 0, -64]])

torch.pow(-3, exponent=tensor2)
# tensor([1, -3, 9, -27])

torch.pow(input=tensor1, exponent=3)
# tensor([[-27, 1, -8, 27], [125, -125, 0, -64]])

tensor1 = torch.tensor([[[-3, 1], [-2, 3]],
                        [[5, -5], [0, -4]]])
tensor2 = torch.tensor([2, 3])

torch.pow(input=tensor1, exponent=tensor2)
# tensor([[[9, 1], [4, 27]],
#         [[25, -125], [0, -64]]])

torch.pow(-3, exponent=tensor2)
# tensor([9, -27])

torch.pow(input=tensor1, exponent=3)
# tensor([[[-27, 1], [-8, 27]],
#         [[125, -125], [0, -64]]])

tensor1 = torch.tensor([[[-3., 1.], [-2., 3.]],
                        [[5., -5.], [0., -4.]]])
tensor2 = torch.tensor([2., 3.])

torch.pow(input=tensor1, exponent=tensor2)
# tensor([[[9., 1.], [4., 27.]],
#         [[25., -125.], [0., -64.]]])

torch.pow(-3., exponent=tensor2)
# tensor([9., -27.])

torch.pow(input=tensor1, exponent=3.)
# tensor([[[-27., 1.], [-8., 27.]],
#         [[125., -125.], [0., -64.]]])

tensor1 = 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]]])
tensor2 = torch.tensor([2.+0.j, 3.+0.j])

torch.pow(input=tensor1, exponent=tensor2)
# tensor([[[9.0000+1.5736e-06j, 1.0000+0.0000e+00j],
#          [4.0000+6.9938e-07j, 27.0000+0.0000e+00j]],
#         [[25.0000+0.0000e+00j, -125.0000-2.9812e-06j],
#          [0.0000-0.0000e+00j, -64.0000-1.5264e-06j]]])

torch.pow(-3.+0.j, exponent=tensor2)
# tensor([9.0000+1.5736e-06j, -27.0000-6.4394e-07j])

torch.pow(input=tensor1, exponent=3.+0.j)
# tensor([[[-27.+0.j, 1.+0.j],
#          [-8.+0.j, 27.+0.j]],
#         [[125.+0.j, -125.+0.j],
#          [0.+0.j, -64.+0.j]]])

my_tensor = torch.tensor([[[True, False], [True, False]],
                          [[False, True], [False, True]]])
torch.pow(input=my_tensor, exponent=True)
# tensor([[[True, False], [True, False]],
#         [[False, True], [False, True]]])

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!