-
mvlgamma(input,p): → Tensor
沿p维度逐元素计算多变量的log-gamma函数，log-gamma函数定义如下：
其中
而Γ(⋅)是Gamma函数。如果input中的任何一个元素小于等于
则会报错。参数
input(Tensor): log-gamma函数的输入值。
p(int): 维度数。
Example:
-
torch.neg(input,out=None): → Tensor
返回由input中元素的负值组成的张量。
参数input(Tensor): 输入张量。
out(Tensor，可选): 输出张量。
Example:
-
torch.pow(): → Tensor
-
torch.pow(input,exponent,out=None): → Tensor
计算input的每个元素的以exponent为幂的指数值。
exponent既可以是浮点数，也可以是和input broadcastable的张量。
当exponent为标量值时，函数操作为：
当exponent为张量时，函数操作为：
当exponent为张量时，input和exponent的形状必须broadcastable。参数
input(Tensor): 输入张量。
exponent(Float/Tensor): 幂值。
out(Tensor，可选): 输出张量
Example:
-
torch.pow(base,input,out=None): → Tensor
base为float标量，而input为张量。返回的out张量的形状与input相同。
函数操作为：
参数input(Tensor): 输入张量。
out(Tensor，可选): 输出张量。
Example:
-
-
torch.reciprocal(input,out=None): → Tensor
返回由input的倒数组成的张量。
参数input(Tensor): 输入张量。
out(Tensor，可选): 输出张量。
Example:
-
torch.remainder(input,divisor,out=None): → Tensor
逐元素计算元素的余数。
除数和被除数可以同时包含整数和浮点数，其余数与除数具有相同的符号。
当divisor为张量时，它和input在形状上必须broadcastable。
参数
input(Tensor): 被除数。
divisor(Tensor/Float): 除数既可以是数字，也可以是形状与被除数形状相同的张量。
out(Tensor): 输出张量。
Example:
-
torch.round(input,out=None): → Tensor
返回一个由input的元素离得最近的整数组成的张量。
参数
input(Tensor): 输入张量。
out(Tensor，可选): 输出张量。
Example:
-
torch.reqrt(input,out=None): → Tensor
返回由input的元素的倒数的根号值组成的张量。
参数input(Tensor): 输入张量。
out(Tensor，可选): 输出张量。
Example:
-
torch.sigmoid(input,out=None): → Tensor
返回由input的元素的sigmoid函数值组成的张量。
参数input(Tensor): 输入张量。
out(Tensor，可选): 输出张量。
Example:
-
torch.sign(input,out=None): → Tensor
返回由input中的元素的符号组成的张量。
参数
input(Tensor): 输入张量。
out(Tensor，可选): 输出张量。
Example:
-
torch,sin(input,out=None): → Tensor
返回由input中的元素的sin值组成的张量。
参数input(Tensor): 输入张量。
out(Tensor，可选): 输出张量。
Example:
-
torch.sinh(input,out=None): → Tensor
返回由input中的元素的双曲正弦值组成的张量。
参数input(Tensor): 输入张量。
out(Tensor): 输出张量。
Example:
-
torch.sqrt(input,out=None): → Tensor
返回由input中元素的平方根组成的张量。
参数input(Tensor): 输入张量。
out(Tensor，可选): 输出张量。
Example:
-
torch.tan(input,out=None):→ Tensor
返回由input中元素的正切值组成的张量。
参数input(Tensor): 输入张量。
out(Tensor，可选): 输出张量。
Example:
-
torch.tanh(input,out=None):→ Tensor
返回由input中元素的双曲正切值组成的张量。
参数input(Tensor): 输入张量。
out(Tensor，可选): 输出张量。
Example:
-
torch.trunc(input,out=None):→ Tensor
返回由input中元素的整数截断值组成的张量。
参数
input(Tensor): 输入张量。
out(Tensor，可选): 输出张量。
Example:
Reduction Ops
-
torch.argmax()
-
torch.argmax(input): → LongTensor
返回input中最大元素的索引。
参数
input(Tensor): 输入张量。
Example:
2.torch.argmax(inout,dim,keepdim=False): → LongTensor返回input给定维的最大元素的索引。
参数
input(Tensor): 输入张量。
dim(int): 寻找最大元素的维度。如果未给定，则返回所有元素的最大值的索引。
keepdim(bool): 决定结果是否保留维度，如果dim为None时忽略该参数的值。
Example:
-
-
torch.argmin()
-
torch.argmin(input): → LongTensor
返回input中最小元素的索引。
参数
input(Tensor): 输入张量。
Example:
2.torch.argmax(inout,dim,keepdim=False): → LongTensor
返回input给定维的最大元素的索引。
参数
input(Tensor): 输入张量。
dim(int): 寻找最大元素的维度。如果未给定，则返回所有元素的最大值的索引。
keepdim(bool): 决定结果是否保留维度，如果dim为None时忽略该参数的值。
Example:
-
-
torch.cumprod(input,dim,out=None): → Tensor
返回input在给定dim维的累积积。
例如，如果input为大小为N的一维向量，那么结果也会是大小为N的一维向量，其中每个元素值为：
参数input(Tensor): 输入张量。
dim(int): 进行操作的维度。
dtype(torch.dtype，可选): 规定返回张量的数据类型。若指定的话，则在执行操作之前将输入张量转换为dtype。这对防止数据类型导致的溢出很有用。默认为None。
out(Tensor，可选): 输出张量。
Example:
-
torch.cumsum(input,dim,out=None,dtype): → Tensor
返回input在给定dim维的累积和。
例如，如果input是一个大小为N的一维向量，那么结果也会是大小为一的一维向量，其中每个元素值为：
参数input(Tensor): 输入张量。
dim(int): 进行操作的维度。
dtype(torch.dtype，可选): 规定返回张量的数据类型。若指定的话，则在执行操作之前将输入张量转换为dtype。这对防止数据类型导致的溢出很有用。默认为None。
out(Tensor，可选): 输出张量。
Example:
-
torch.dist(input,other,p=2): → Tensor
返回(input-other)的p范数。
(注：关于范数，可见 https://blog.csdn.net/lz867422770/article/details/80013600 。或者可以简单地理解为：
)input和other的形状必须broadcastable。
参数‘
input(Tensor): 输入张量。
other(Tensor): input减去的张量。
p(other，可选): 计算的范数数。
Example:
-
torch.logsumexp(input,dim,keepdim=False,out=None): → Tensor
返回由给定dim维中input每行的元素的exp值的和的log值组成的张量。计算在数值上是稳定的。
j维由dim指定，其它维i的结果为：
如果keepdim为True，输出张量除了在dim维上大小为1，在其它维上的大小都和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): 维度或用于减少的维度。
keepdim(bool): 决定输出张量是否保有dim。
out(Tensor，可选): 输出张量。
Example:
-
torch.mean()
-
torch.mean(input): → Tensor
返回由input中元素的均值组成的张量。
参数
input(Tensor): 输入张量。
Example:
-
torch.mean(input,dim,keepdim=False,out=None): → Tensor
返回由input的给定dim维的每行元素的均值组成的张量。如果dim为维度的列表，则减少所有维度。
如果keepdim为True，输出张量除了在dim维上大小为1，在其它维上的大小都和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): 维度或用于减少的维度。
keepdim(bool): 决定输出张量是否保有dim。
out(Tensor，可选): 输出张量。
Example:
-
-
torch.median()
-
torch.median(input): → Tensor
返回由input所有元素的中位数。
参数
input(Tensor): 输入张量。
Example:
-
torch.median(input,dim=-1,keepdim=False,values=None,indices=None): → (Tensor,LongTensor)
返回一个命名的元组(values,indices)，其中values为input张量在给定dim维每行的中位数值。而indices为找到的每个中位值的索引位置。
dim默认为input张量的最后一维。
如果keepdim为True，那么输出张量在除了dim维上大小为1外，在其它维上的大小都和input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。
dim(Int): 减少的维度。
keepdim(Bool): 决定输出张量是否保有dim。
out(Tensor，可选): 输出张量。
Example:
-
-
torch.mode(input,dim=-1,keepdim=False,values=None,indices=None): → (Tensor,LongTensor)
返回一个命名的元组(values,indices)，其中values为input张量在给定dim维每行的众数值。而indices为找到的每个众数值的索引位置。
dim默认为input张量的最后一维。
如果keepdim为True，那么输出张量在除了dim维上大小为1外，在其它维上的大小都和input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。
dim(Int): 减少的维度。
keepdim(Bool): 决定输出张量是否保有dim。
out(Tensor，可选): 输出张量。
Note:
这一函数目前还未能支持torch.cuda.Tensor。Example:
-
torch.norm(input,p=‘fro’,dim=None,keepdim=False,out=None,dtype=None): → Tensor
返回给定张量的矩阵范数或向量范数。
参数
input(Tensor): 输入张量。
p(int,float,inf,-inf,‘fro’,‘nuc’，可选): 指定范数类型的指令。默认为’fro’，取值范围如下：
指令 矩阵范数 向量范数 None Frobenius范数 2-范数 ’fro‘ Frobenius范数 — ’nuc‘ 核范数 — Other 当dim为0时等同于向量范数 sum(abs(x)ord)(1./ord) dim(int,2-tuple of python:ints,2-list of python:ints，可选): 如果它是整型数据，那么将会计算向量范数；如果它是int型的二维元组，那么将会计算矩阵范数。如果值为None，当输入张量只有两维时，将会计算矩阵范数；当输入张量只有一维时，将会计算向量范数；当输入张量超过两维时，向量范数将会应用到最后一维上。
keepdim(bool，可选): 决定输出张量是否保留dim。如果dim或out为None时，忽略该参数。默认为False。
out(Tensor，可选): 输出张量。
dtype(torch.dtype，可选): 规定返回张量的数据类型。当指定时， 则在执行操作时将输入张量转换为dtype类型。默认为None。
Example:
-
torch.prod()
-
torch.prod(input,dtype=None): → Tensor
返回input中所有元素的乘积。
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，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:
-
torch.prod(input,dim,keepdim=False,dtype=None): → Tensor
返回input在给定dim维上每行的元素的乘积。
参数
input(Tensor): 输入张量。
dim(int): 用于缩减(reduce)的维。
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:
-
-
torch.std()
-
torch.std(input,unbiased=True): → Tensor
返回input中所有元素的标准差。
如果unbiased为False，则通过有偏估计计算标准差，否则将会使用Bessel校正。
参数
input(Tensor): 输入张量。
unbiased(bool): 决定是否使用无偏估计。
Example:
-
torch.std(input,dim,keepdim=False,unbiased=True,out=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。
如果unbiased为False，则通过有偏估计计算标准差，否则将会使用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): 决定是否使用无偏估计。
out(Tensor，可选): 输出张量。
Example:
-
