fmod dalam PyTorch

Linda Hamilton
Lepaskan: 2025-01-01 00:43:10
asal
769 orang telah melayarinya

fmod in PyTorch

Beli Saya Kopi☕

*Memo:

  • Siaran saya menerangkan add().
  • Siaran saya menerangkan sub().
  • Siaran saya menerangkan mul().
  • Siaran saya menerangkan div().
  • Siaran saya menerangkan baki().

fmod() boleh melakukan pengiraan modulo(mod) bagi C std::fmod dengan dua daripada 0D atau lebih D tensor sifar atau lebih elemen atau 0D atau lebih D tensor sifar atau lebih elemen dan a skalar, mendapatkan tensor 0D atau lebih D bagi sifar atau lebih elemen seperti yang ditunjukkan di bawah:

*Memo:

  • fmod() boleh digunakan dengan obor atau tensor.
  • Argumen pertama(input) dengan obor atau menggunakan tensor(Required-Type:tensor of int or float).
  • Argumen ke-2 dengan obor atau argumen pertama dengan tensor adalah lain(Jenis-Jenis:tensor atau skalar int atau apungan).
  • Terdapat hujah dengan obor(Pilihan-Lalai:Tiada-Jenis:tensor): *Memo:
    • out= mesti digunakan.
    • Siaran saya menerangkan hujah.
  • Menetapkan 0(int) kepada yang lain mendapat ZeroDivisionError.
  • Hasilnya mempunyai tanda yang sama seperti tensor asal.
import torch

tensor1 = torch.tensor([9, 7, 6])
tensor2 = torch.tensor([[4, -4, 3], [-2, 5, -5]])

torch.fmod(input=tensor1, other=tensor2)
tensor1.fmod(other=tensor2)
# tensor([[1, 3, 0], [1, 2, 1]])

torch.fmod(input=tensor1, other=4)
# tensor([1, 3, 2])

tensor1 = torch.tensor([-9, -7, -6])
tensor2 = torch.tensor([[4, -4, 3], [-2, 5, -5]])

torch.fmod(input=tensor1, other=tensor2)
# tensor([[-1, -3, 0], [-1, -2, -1]])

torch.fmod(input=tensor1, other=4)
# tensor([-1, -3, -2])

tensor1 = torch.tensor([9.75, 7.08, 6.26])
tensor2 = torch.tensor([[4.26, -4.54, 3.37], [-2.16, 5.43, -5.98]])

torch.fmod(input=tensor1, other=tensor2)
# tensor([[1.2300, 2.5400, 2.8900], [1.1100, 1.6500, 0.2800]])

torch.fmod(input=tensor1, other=4.26)
# tensor([1.2300, 2.8200, 2.0000])
Salin selepas log masuk

Atas ialah kandungan terperinci fmod dalam PyTorch. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Artikel terbaru oleh pengarang
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan