fmod dalam PyTorch

Linda Hamilton
Lepaskan: 2025-01-01 00:43:10
asal
753 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!

sumber:dev.to
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