torch.ge(input, other, out=None)
对比每一个input和other是否有如下关系 ,input和other均为tensor,输出为一个二值tensor。
举例:
torch.ge(torch.tensor([[1, 2], [3, 4]]), torch.tensor([[1, 1], [4, 4]]))
out: tensor([[ 1, 1],
[ 0, 1]], dtype=torch.uint8)
torch生成随机数
- torch.randn(sizes, out=None)
返回服从标准正态分布的一组随机数,形状由参数size确定,返回类型为张量。
sizes (int…) - 整数序列,定义了输出张量的形状
out (Tensor, optinal) - 结果张量
举例:
torch.randn(2, 3)
- torch.rand(sizes, out=None)
返回服从(0,1)均匀分布的一组随机数,形状由参数size确定,返回类型为张量。
举例:
torch.rand(2, 3)
- torch.normal(mean, std, out=None)
返回服从指定均值means和标准差std的离散正态分布的一组随机数,返回类型为张量;
均值和标准差均是一个张量,mean包含每个输出元素相关的正态分布均值,std包含每个输出元素相关的正态分布标准差;
参数均值和标准差的shape>1时,shape要一样!
举例:
torch.normal(mean=0.5, std=torch.arange(1, 6))
torch.normal(mean=torch.arange(1., 11.), std=torch.arange(1, 0, -0.1))
- torch.linspace(start,end,steps=100,out=None)
返回 区间start和end上均匀间隔的step个点,输出长度由step决定,返回为一个一维张量。
举例
torch.linspace(3, 10, steps=5)
torch堆叠函数
- cat(tensors, dim=0, out=None)
对数据沿着某一维度进行拼接
举例:对两个2维tensor(2乘3,1乘3)进行拼接
x = torch.randn(2,3)
y = torch.randn(1,3)
torch.cat((x,y),0) #按列拼接
- stack(seq, dim=0, out=None)
如对两个1乘2维的tensor在第0个维度上stack,则会变为2乘1乘2的tensor;在第1个维度上stack,则会变为1乘2 乘2的tensor。
a=torch.rand((1,2))
b=torch.rand((1,2))
c=torch.stack((a,b),0)