baki dalam PyTorch
Beli Saya Kopi☕
*Memo:
- Siaran saya menerangkan add().
- Siaran saya menerangkan sub().
- Siaran saya menerangkan mul().
- Siaran saya menerangkan div().
- Siaran saya menerangkan fmod().
baki() boleh melakukan pengiraan modulo(mod) operasi modulus Python dengan dua daripada 0D atau lebih D tensor sifar atau lebih elemen atau 0D atau lebih D tensor sifar atau lebih elemen dan skalar, mendapatkan 0D atau lebih D tensor sifar atau lebih elemen seperti yang ditunjukkan di bawah:
*Memo:
- baki() boleh digunakan dengan obor atau tensor.
- Argumen(input) pertama dengan obor(Jenis:tensor atau skalar int atau float) atau menggunakan tensor(Jenis:tensor int atau float)(Diperlukan). *obor mesti menggunakan skalar tanpa input=.
- 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.
- Gabungan skalar(input) dan skalar(lain-lain) tidak boleh digunakan.
- Hasilnya mempunyai tanda yang sama seperti yang lain.
import torch tensor1 = torch.tensor([9, 7, 6]) tensor2 = torch.tensor([[4, -4, 3], [-2, 5, -5]]) torch.remainder(input=tensor1, other=tensor2) tensor1.remainder(other=tensor2) # tensor([[1, -1, 0], [-1, 2, -4]]) torch.remainder(9, other=tensor2) # tensor([[1, -3, 0], [-1, 4, -1]]) torch.remainder(input=tensor1, other=4) # tensor([1, 3, 2]) tensor1 = torch.tensor([-9, -7, -6]) tensor2 = torch.tensor([[4, -4, 3], [-2, 5, -5]]) torch.remainder(input=tensor1, other=tensor2) # tensor([[3, -3, 0], torch.remainder(-9, other=tensor2) # tensor([[3, -1, 0], [-1, 1, -4]]) torch.remainder(input=tensor1, other=4) # tensor([3, 1, 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.remainder(input=tensor1, other=tensor2) # tensor([[1.2300, -2.0000, 2.8900], # [-1.0500, 1.6500, -5.7000]]) torch.remainder(9.75, other=tensor2) # tensor([[1.2300, -3.8700, 3.0100], [-1.0500, 4.3200, -2.2100]]) torch.remainder(input=tensor1, other=4.26) # tensor([1.2300, 2.8200, 2.0000])
Atas ialah kandungan terperinci baki dalam PyTorch. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Penyelesaian kepada Isu Kebenaran Semasa Melihat Versi Python di Terminal Linux Apabila anda cuba melihat versi Python di Terminal Linux, masukkan Python ...

Cara mengelakkan dikesan semasa menggunakan fiddlerevery di mana untuk bacaan lelaki-dalam-pertengahan apabila anda menggunakan fiddlerevery di mana ...

Apabila menggunakan Perpustakaan Pandas Python, bagaimana untuk menyalin seluruh lajur antara dua data data dengan struktur yang berbeza adalah masalah biasa. Katakan kita mempunyai dua DAT ...

Bagaimana Mengajar Asas Pengaturcaraan Pemula Komputer Dalam masa 10 jam? Sekiranya anda hanya mempunyai 10 jam untuk mengajar pemula komputer beberapa pengetahuan pengaturcaraan, apa yang akan anda pilih untuk mengajar ...

Bagaimanakah Uvicorn terus mendengar permintaan HTTP? Uvicorn adalah pelayan web ringan berdasarkan ASGI. Salah satu fungsi terasnya ialah mendengar permintaan HTTP dan teruskan ...

Fastapi ...

Menggunakan Python di Terminal Linux ...

Memahami Strategi Anti-Crawling of Investing.com Ramai orang sering cuba merangkak data berita dari Investing.com (https://cn.investing.com/news/latest-news) ...
