13. torch.sum()

    1. torch.sum(input,dtype): → Tensor

       返回input中所有元素的和。

       参数

       input(Tensor): 输入张量。

       dtype(torch.dtype，可选): 规定返回张量的数据类型。如果指定的话，输入张量将会在操作前被转化为dtype类型。这对防止由数据类型导致的溢出很有用。默认为None。

       Example:

       

    2. torch.sum(input,dim,keepdim=False,dtype=None): → Tensor

       返回input在给定dim维每行的标准差。若dim为维度的列表，则缩减所有提到的维度。

       如果keepdim为True，则输出张量在除了dim维上大小为1外，在其它维的大小都和input相同。否则，dim会被压缩(见torch.squeeze())，导致输出张量的维度会是1(或len(dim))或更小的维度。

       参数

       input(Tensor): 输入张量。

       dim(int/tuple of python:ints): 决定消减的维度。

       keepdim(bool): 决定输出张量是否保存dim的维度。

       dtype(torch.dtype，可选): 规定返回张量的数据类型。如果指定的话，在操作开始前输入张量被转换为dtype类型。这对防止由数据类型导致的溢出很有用。默认为None。

       Example:

       

14. torch.unique(input,sorted=True,return_inverse=False,return_counts=False,dim=None): → Tensor

    返回input中所有出现过的值，相同值只表示一次。

    参数

    input(Tensor): 输入张量。

    sorted(bool): 是否在将结果返回时将元素按升序排列。

    return_inverse(bool): 是否也返回输入张量的元素在返回的output张量中的位置的索引。

    return_counts(bool): 是否也返回每个值的出现次数。

    返回

    (Tensor,Tensor(可选),Tensor(可选))

    返回的张量或张量构成的元组包括：

    • output(Tensor): 由挑选出的值组成的张量。

    • inverse_indices(Tensor，可选): 如果return_inverse为True，将会再返回一个张量，它表示了输入张量的元素在返回的output张量中的位置的索引(大小和input相同)；否则，该函数只会返回一个单独的张量。

    • counts(Tensor，可选): 如果return_counts为True，将会再返回一个张量(当dim指定时，大小与output.size(dim)相同，否则与output相同)，它表示了每个挑选出的值或张量的出现次数。

      Example:

      

15. torch.unique_consecutive(input,return_inverse=False,return_counts=False,dim=None): → Tensor

    若张量中的某个数字与其前一数字相同，则删除它。

    Note:
    该函数与torch.unique()不同，它只删除连续的重复数列中的值，其机制与C++中的std::unique相似。

    参数

    input(Tensor): 输入张量。

    return_inverse(bool): 是否也返回输入张量的元素在返回的output张量中的位置的索引。

    return_counts(bool): 是否也返回每个值的出现次数。

    返回

    (Tensor,Tensor(可选),Tensor(可选))

    返回的张量或张量构成的元组包括：

    • output(Tensor): 由挑选出的值组成的张量。

    • inverse_indices(Tensor，可选): 如果return_inverse为True，将会再返回一个张量，它表示了输入张量的元素在返回的output张量中的位置的索引(大小和input相同)；否则，该函数只会返回一个单独的张量。

    • counts(Tensor，可选): 如果return_counts为True，将会再返回一个张量(当dim指定时，大小与output.size(dim)相同，否则与output相同)，它表示了每个挑选出的值或张量的出现次数。

    Example:

    

16. torch.var()

    1. torch.var(input,unbiased=True): → Tensor

       返回input的所有元素的方差。

       如果unbiased为False，则根据有偏估计计算方差。否则，则使用Bessel校正。

       参数

       input(Tensor): 输入张量。

       unbiased(bool): 使用使用无偏估计。

       Example:

       

    2. torch.var(input,dim,keepdim=False,unbiased=True,out=None): → Tensor

       返回input张量在给定维每行的方差。

       如果keepdim为True，则输出张量除了在dim维上大小为1外，其它维上大小均与input相同。否则，dim会被压缩(见torch.squeeze())，导致输出张量的维度会是1(或len(dim))或更小的维度。

       如果unbiased为False，则根据有偏估计计算方差。否则，则使用Bessel校正。

       参数

       input(Tensor): 输入张量。

       dim(int/tuple of python:ints): 决定消减的维度。

       keepdim(bool): 决定输出张量是否保存dim的维度。

       unbiased(bool): 使用使用无偏估计。

       out(Tensor): 输出张量。

       Example:

       

Comparison Ops

1. torch.allclose(self,other,rtol=1e-5,atol=1e-8,equal_nan=false): → bool

   这个函数检查all和other类的每个元素是否满足以下条件：

   
   该函数的机制类似numpy.allclose：https://docs.scipy.org/doc/numpy/reference/generated/numpy.allclose.html。

   参数

   self(Tensor): 第一个比较的张量。

   other(Tensor): 第二个比较的张量。

   atol(float，可选): 绝对误差，默认为1e-8。

   rtol(float，可选): 相对误差，默认为1e-5。

   equal_nan(float，可选): 若为True，则NaN视为相等。默认为False。

   Example:

   

2. torch.argsort(input,dim=-1,descending=False,out=None): → LongTensor

   返回张量给定维度按值的升序排序的索引。

   该函数返回值是torch.sort()返回的第二个值。

   参数

   input(Tensor): 输入张量。

   dim(int，可选): 进行排序的维度。

   descending(bool，可选): 控制排序顺序(升序或降序)。

   Example:

   

3. torch.eq(input,other,out=None): → Tensor

   逐元素地比较是否相等。

   other参数既可以是数字，也可以是形状和input满足broadcastable的张量。

   参数

   input(Tensor): 用以比较的张量。

   other(Tensor/float): 用以比较的张量或值。

   out(Tensor，可选): 输出张量。类型必须为ByteTensor。

   Example:

   

4. torch.equal(tensor1,tensor2): → bool

   如果两个张量有相同的大小和元素，则返回True；否则返回False。

   Example:

   

5. torch.ge(input,other,out=None): → Tensor

    逐元素地比较input是否大于等于other。
   

   other参数既可以是数字，也可以是形状和input满足broadcastable的张量。

   参数

   input(Tensor): 用以比较的张量。

   other(Tensor/float): 用以比较的张量或值。

   out(Tensor，可选): 输出张量。类型必须为ByteTensor。

   Example:

   

6. torch.gt(input,other,out=None): → Tensor

    逐元素地比较input是否大于other。
   

   other参数既可以是数字，也可以是形状和input满足broadcastable的张量。

   参数

   input(Tensor): 用以比较的张量。

   other(Tensor/float): 用以比较的张量或值。

   out(Tensor，可选): 输出张量。类型必须为ByteTensor。

   Example:

   

7. torch.isfinite(Tensor): → Tensor

   返回一个标记对应位置元素是否为有限值的张量。

   参数

   Tensor(Tensor): 被检查的张量。

   

8. torch.isinf(Tensor): → Tensor

   返回一个标记对应位置元素是否为无限值的张量。

   参数

   Tensor(Tensor): 被检查的张量。

   Example:

   

9. torch.isnan(Tensor): → Tensor

    返回一个标记对应位置元素是否为NaN的张量。
   

   参数

   Tensor(Tensor): 被检查的张量。

   Example:

   

10. torch.kthvalue(input,k,dim=None,keepdim=False,out=None): → (Tensor,LongTensor)

    返回一个命名元组(values,indices)，其中values是input中在给定dim维中每行第k小的值。而indices为找到的每个值对应的位置。

    如果dim未指定，则默认为input的最后一个维度。

    如果keepdim为True，那么values和indices张量除了在dim维上大小为1外，在其它维度上大小都和input保持一致。否则，dim会被压缩(见torch.squeeze())，导致输出张量的维度会是1(或len(dim))或更小的维度。

    参数

    input(Tensor): 输入张量。

    k(int): 寻找第k小的元素。

    dim(int/tuple of python:ints): 决定消减的维度。

    keepdim(bool): 决定输出张量是否保存dim的维度。

    out(Tensor): 输出元组(values,LongTensor)可被选作做输出缓冲区。

    Example:

    

11. torch.le(input,other,out=None): → Tensor

    逐元素地比较input是否小于等于other。

    other参数既可以是数字，也可以是形状和input满足broadcastable的张量。

    参数

    input(Tensor): 用以比较的张量。

    other(Tensor/float): 用以比较的张量或值。

    out(Tensor，可选): 输出张量。类型必须为ByteTensor。

    Example:

    

12. torch.lt(input,other,out=None): → Tensor

    逐元素地比较input是否小于other。

    other参数既可以是数字，也可以是形状和input满足broadcastable的张量。

    参数

    input(Tensor): 用以比较的张量。

    other(Tensor/float): 用以比较的张量或值。

    out(Tensor，可选): 输出张量。类型必须为ByteTensor。

    Example:

    

13. torch.max()

    1. torch.max(input): → Tensor

       返回input张量中所有元素的最大值。

       参数

       input(Tensor): 输入张量。

       Example:

       

    2. torch.max(input,dim,keepdim=False,out=None): → (Tensor,LongTensor)

       返回一个命名元组(values,indices)，其中values是input中在给定dim维中每行最大的值。而indices为找到的每个值对应的位置。

       如果keepdim为True，那么values和indices张量除了在dim维上大小为1外，在其它维度上大小都和input保持一致。否则，dim会被压缩(见torch.squeeze())，导致输出张量的维度会是1(或len(dim))或更小的维度。

       Example:

       

    3. torch.max(input,other,out=None): → Tensor

       分别对比input和other的每个元素，并选取较大的元素组成返回张量。

       input和other的形状不必匹配，但必须是broadcastable。

       

       Note:
       当形状不匹配时，返回张量的形状满足broadcasting规则(注：见https://blog.csdn.net/JachinMa/article/details/90764336)。

       参数

       input(Tensor): 输入张量。

       other(Tensor): 第二个输入张量。

       out(Tensor): 输出张量。

       Example:

       

14. torch.min()

    1. torch.min(input): → Tensor

       返回input张量中所有元素的最小值。

       参数

       input(Tensor): 输入张量。

       Example:

       

    2. torch.min(input,dim,keepdim=False,out=None): → (Tensor,LongTensor)

       返回一个命名元组(values,indices)，其中values是input中在给定dim维中每行最小的值。而indices为找到的每个值对应的位置。

       如果keepdim为True，那么values和indices张量除了在dim维上大小为1外，在其它维度上大小都和input保持一致。否则，dim会被压缩(见torch.squeeze())，导致输出张量的维度会是1(或len(dim))或更小的维度。

       Example:

       

    3. torch.min(input,other,out=None): → Tensor

       分别对比input和other的每个元素，并选取较小的元素组成返回张量。

       input和other的形状不必匹配，但必须是broadcastable。

       

       Note:
       当形状不匹配时，返回张量的形状满足broadcasting规则(注：见https://blog.csdn.net/JachinMa/article/details/90764336)。

       参数

       input(Tensor): 输入张量。

       other(Tensor): 第二个输入张量。

       out(Tensor): 输出张量。

       Example:

       

15. torch.ne(input,other,out=None): → Tensor

    逐元素地比较input和other是否不等。

    other参数既可以是数字，也可以是形状和input满足broadcastable的张量。

    参数

    input(Tensor): 用以比较的张量。

    other(Tensor/float): 用以比较的张量或值。

    out(Tensor，可选): 输出张量。类型必须为ByteTensor。

    Example:

    

16. torch.sort(input