请我喝杯咖啡☕
*备忘录：
-
我的帖子解释了 eq() 和 ne()。
-
我的帖子解释了 gt() 和 lt()。
-
我的帖子解释了 ge() 和 le()。
-
我的帖子解释了 torch.nan 和 torch.inf。
isclose() 可以检查第一个 0D 或更多 D 张量的零个或多个元素是否等于或接近等于第二个 0D 或更多 D 张量的零个或多个元素，得到 0D 或更多零个或多个元素的 D 张量如下所示：
*备忘录：
-
isclose() 可以与 torch 或张量一起使用。
- 第一个参数（输入）使用 torch 或使用张量（必需类型：int、float、complex 或 bool 的张量）。
- 带有 torch 的第二个参数或带有张量的第一个参数是其他（必需类型：int、float、complex 或 bool 的张量）。
- 带有 torch 的第三个参数或带有张量的第二个参数是 rtol(Optional-Default:1e-05-Type:float)。
- 带有 torch 的第四个参数或带有张量的第三个参数是 atol(Optional-Default:1e-08-Type:float)。
- 带有 torch 的第五个参数或带有张量的第四个参数是 equal_nan(Optional-Default:False-Type:bool)：
*备注：
- 如果为 True，则 nan 和 nan 返回 True。
- 基本上，nan 和 nan 返回 False。
- 公式为 |输入 - 其他|
import torch
tensor1 = torch.tensor([1.00001001, 1.00000996, 1.00000995, torch.nan])
tensor2 = torch.tensor([1., 1., 1., torch.nan])
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor1, other=tensor2,
rtol=1e-05, atol=1e-08, equal_nan=False)
# 0.00001 # 0.00000001
tensor1.isclose(other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([False, False, True, False])
torch.isclose(input=tensor1, other=tensor2, equal_nan=True)
# tensor([False, False, True, True])
tensor1 = torch.tensor([[1.00001001, 1.00000996],
[1.00000995, torch.nan]])
tensor2 = torch.tensor([[1., 1.],
[1., torch.nan]])
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[False, False],
# [True, False]])
tensor1 = torch.tensor([[[1.00001001],
[1.00000996]],
[[1.00000995],
[torch.nan]]])
tensor2 = torch.tensor([[[1.], [1.]],
[[1.], [torch.nan]]])
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[[False], [False]],
# [[True], [False]]])
tensor1 = torch.tensor([[1.00001001, 1.00000996],
[1.00000995, torch.nan]])
tensor2 = torch.tensor([1., 1.])
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[False, False],
# [True, False]])
tensor1 = torch.tensor([[1.00001001, 1.00000996],
[1.00000995, torch.nan]])
tensor2 = torch.tensor(1.)
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[False, False],
# [True, False]])
tensor1 = torch.tensor([0, 1, 2])
tensor2 = torch.tensor(1)
torch.isclose(input=tensor1, other=tensor2)
# tensor([False, True, False])
tensor1 = torch.tensor([0.+0.j, 1.+0.j, 2.+0.j])
tensor2 = torch.tensor(1.+0.j)
torch.isclose(input=tensor1, other=tensor2)
# tensor([False, True, False])
tensor1 = torch.tensor([False, True, False])
tensor2 = torch.tensor(True)
torch.isclose(input=tensor1, other=tensor2)
# tensor([False, True, False])
登录后复制
equal() 可以检查两个 0D 或更多 D 张量是否具有相同的大小和元素，得到布尔值的标量，如下所示：
*备忘录：
-
equal() 可以与 torch 或张量一起使用。
- 第一个参数（输入）使用 torch 或使用张量（必需类型：int、float、complex 或 bool 的张量）。
- 带有 torch 的第二个参数或带有张量的第一个参数是其他（必需类型：int、float、complex 或 bool 的张量）。
import torch
tensor1 = torch.tensor([5, 9, 3])
tensor2 = torch.tensor([5, 9, 3])
torch.equal(input=tensor1, other=tensor2)
tensor1.equal(other=tensor2)
torch.equal(input=tensor2, other=tensor1)
# True
tensor1 = torch.tensor([5, 9, 3])
tensor2 = torch.tensor([7, 9, 3])
torch.equal(input=tensor1, other=tensor2)
torch.equal(input=tensor2, other=tensor1)
# False
tensor1 = torch.tensor([5, 9, 3])
tensor2 = torch.tensor([[5, 9, 3]])
torch.equal(input=tensor1, other=tensor2)
torch.equal(input=tensor2, other=tensor1)
# False
tensor1 = torch.tensor([5., 9., 3.])
tensor2 = torch.tensor([5.+0.j, 9.+0.j, 3.+0.j])
torch.equal(input=tensor1, other=tensor2)
torch.equal(input=tensor2, other=tensor1)
# True
tensor1 = torch.tensor([1.+0.j, 0.+0.j, 1.+0.j])
tensor2 = torch.tensor([True, False, True])
torch.equal(input=tensor1, other=tensor2)
torch.equal(input=tensor2, other=tensor1)
# True
tensor1 = torch.tensor([], dtype=torch.int64)
tensor2 = torch.tensor([], dtype=torch.float32)
torch.equal(input=tensor1, other=tensor2)
torch.equal(input=tensor2, other=tensor1)
# True
登录后复制
以上是PyTorch 中的接近和相等的详细内容。更多信息请关注PHP中文网其他相关文章！
