Pytorch中torch比较操作有哪些具体用法？
- 内容介绍
- 文章标签
- 相关推荐
本文共计2253个文字，预计阅读时间需要10分钟。
1. torch.eq(input, other, out=None) 说明：比较元素是否相等，第二个参数可以是数字或与第一个参数同类型的张量。 input (Tensor) ---- 待比较的张量 other (Tensor or float) ---- 比较的张量或浮点数
1. torch.eq(input, other, out=None)
说明： 比较元素是否相等，第二个参数可以是一个数，或者是第一个参数同类型形状的张量
参数：
input(Tensor) ---- 待比较张量
other(Tenosr or float) ---- 比较张量或者数
out(Tensor,可选的) ---- 输出张量
返回值： 一个torch.ByteTensor张量，包含了每个位置的比较结果(相等为1，不等为0)
>>> a = torch.Tensor([[1, 2], [3, 4]]) >>> b = torch.Tensor([[1, 1], [4, 4]]) >>> torch.eq(a, b) tensor([[1, 0], [0, 1]], dtype=torch.uint8)
2. torch.equal(tensor1, tensor2, out=None)
说明： 如果两个张量有相同的形状和元素值，则返回true，否则False
参数：
tensor1(Tenosr) ---- 比较张量1
tensor2(Tensor) ---- 比较张量2
out(Tensor,可选的) ---- 输出张量
>>> a = torch.Tensor([1, 2]) >>> b = torch.Tensor([1, 2]) >>> torch.equal(a, b) True
3. torch.ge(input, other, out=None)
说明： 逐元素比较input和other，即是否input >= other。
参数：
input(Tensor) ---- 待对比的张量
other(Tensor or float) ---- 对比的张量或float值
out(Tensor,可选的) ---- 输出张量，
>>> a = torch.Tensor([[1, 2], [3, 4]]) >>> b = torch.Tensor([[1, 1], [4, 4]]) >>> torch.ge(a, b) tensor([[1, 1], [0, 1]], dtype=torch.uint8)
4. torch.gt(input, other, out=None)
说明： 逐元素比较input和other，即是否input > other
参数：
input(Tensor) ---- 要对比的张量
other(Tensor or float) ---- 要对比的张量或float值
out(Tensor,可选的) ---- 输出张量
>>> a = torch.Tensor([[1, 2], [3, 4]]) >>> b = torch.Tensor([[1, 1], [4, 4]]) >>> torch.gt(a, b) tensor([[0, 1], [0, 0]], dtype=torch.uint8)
5. torch.kthvalue(input, k, dim=None, out=None)
说明： 取输入张量input指定维度上第k个最小值。如果不指定dim。默认为最后一维。返回一个元组(value, indices), 其中indices是原始输入张量中沿dim维的第k个最小值下标。
参数：
input(Tensor) ---- 要对比的张量
k(int) ---- 第k个最小值
dim(int, 可选的) ---- 沿着此维度进行排序
out(tuple,可选的) ---- 输出元组
>>> x = torch.arange(1, 6) >>> x tensor([1, 2, 3, 4, 5]) >>> torch.kthvalue(x, 4) torch.return_types.kthvalue( values=tensor(4), indices=tensor(3)) >>> torch.kthvalue(x, 1) torch.return_types.kthvalue( values=tensor(1), indices=tensor(0))
6. torch.le(input, other, out=None)
说明： 逐元素比较input和other，即是否input <= other.
参数：
input(Tenosr) ---- 要对比的张量
other(Tensor or float) ---- 对比的张量或float值
out(Tensor,可选的) ---- 输出张量
>>> a = torch.Tensor([[1, 2], [3, 4]]) >>> b = torch.Tensor([[1, 1], [4, 4]]) >>> torch.le(a, b) tensor([[1, 0], [1, 1]], dtype=torch.uint8)
7. torch.lt(input, other, out=None)
说明： 逐元素比较input和other，即是否input < other
参数：
input(Tensor) ---- 要对比的张量
other(Tensor or float) ---- 对比的张量或float值
out(Tensor,可选的) ---- 输出张量
>>> a = torch.Tensor([[1, 2], [3, 4]]) >>> b = torch.Tensor([[1, 1], [4, 4]]) >>> torch.lt(a, b) tensor([[0, 0], [1, 0]], dtype=torch.uint8)
8. torch.max(input)
说明： 返回输入张量所有元素的最大值
参数：
input(Tensor) ---- 输入张量
>>> a = torch.randn(1, 3) >>> a tensor([[ 0.1553, -0.4140, 1.8393]]) >>> torch.max(a) tensor(1.8393)
9. torch.max(input, dim, max=None, max_indices=None)
说明： 返回输入张量给定维度上每行的最大值，并同时返回每个最大值的位置索引。
参数：
input(Tensor) ---- 输入张量
dim(int) ---- 指定的维度
max(Tensor,可选的) ---- 结果张量，包含给定维度上的最大值
max_indices(LongTensor,可选的) ---- 结果张量，包含给定维度上每个最大值的位置的索引。
>>> a = torch.randn(4, 4) >>> a tensor([[ 0.4067, -0.7722, -0.6560, -0.9621], [-0.8754, 0.0282, -0.7947, -0.1870], [ 0.4300, 0.5444, 0.3180, 1.2647], [ 0.0775, 0.5886, 0.1662, 0.8986]]) >>> torch.max(a, 1) torch.return_types.max( values=tensor([0.4067, 0.0282, 1.2647, 0.8986]), indices=tensor([0, 1, 3, 3]))
10. torch.max(input, other, out=None)
说明： 返回两个元素的最大值。
参数：
input(Tensor) ---- 待比较张量
other(Tensor) ---- 比较张量
out(Tensor,可选的) ---- 结果张量
>>> a = torch.randn(4) >>> a tensor([ 0.5767, -1.0841, -0.0942, -0.9405]) >>> b = torch.randn(4) >>> b tensor([-0.6375, 1.4165, 0.2738, -0.8996]) >>> torch.max(a, b) tensor([ 0.5767, 1.4165, 0.2738, -0.8996])
11.torch.min(input)
说明： 返回输入张量所有元素的最小值
参数：
input(Tensor) ---- 输入张量
>>> a = torch.randn(1, 4) >>> a tensor([[-0.8142, -0.9847, -0.3637, 0.5191]]) >>> torch.min(a) tensor(-0.9847)
12. torch.min(input, dim, min=None, min_indices=None)
说明： 返回输入张量给定维度上每行的最小值，并同时返回每个最小值的位置索引
参数：
input(Tensor) ---- 输入张量
dim(int) ---- 指定的维度
min(Tensor,可选的) ---- 结果张量，包含给定维度上的最小值
min_indices(LongTensor,可选的) ---- 结果张量，包含给定维度上每个最小值的位置索引。
>>> a = torch.randn(4, 4) >>> a tensor([[-0.0243, -0.7382, 0.3102, 0.9720], [-0.3805, -0.7999, -1.2856, 0.2657], [-1.0284, -0.1638, -0.8840, 1.2679], [-1.0347, -2.3428, 0.3107, 1.0575]]) >>> torch.min(a, 1) torch.return_types.min( values=tensor([-0.7382, -1.2856, -1.0284, -2.3428]), indices=tensor([1, 2, 0, 1]))
13. torch.ne(input, other, out=None)
说明： 逐元素比较input和other，即是否input 不等于 other。第二个参数可以为一个数或与第一个参数相同形状和类型的张量
参数：
input(Tensor) ---- 待对比的张量
other(Tensor or float) ---- 对比的张量或float值
out(Tensor, 可选的) ---- 输出张量
** 返回值：** 一个torch.ByteTensor 张量，包含了每个位置的比较结果，如果tensor和other不相等为True，返回1.
>>> import torch >>> a = torch.Tensor([[1, 2], [3, 4]]) >>> b = torch.Tensor([[1, 1], [4, 4]]) >>> torch.ne(a, b) tensor([[0, 1], [1, 0]], dtype=torch.uint8)
14. torch.sort(input, dim=None, descending=False, out=None)
说明： 对输入张量input沿指定维度按升序排序，如果不给定dim，则默认为输入的最后一维。如果指定参数descending为True，则按降序排序。
参数：
input(Tensor) ---- 要排序的张量
dim(int,可选的) ---- 沿着此维度排序
descending(bool,可选的) ---- 布尔值，控制升序排序
out(tuple,可选的) ---- 输出张量
返回值： 为ByteTensor类型或与tensor相同类型，为元组(sorted_tensor,sorted_indices)，sorted_indices为原始输入中的下标
>>> x = torch.randn(3, 4) >>> x tensor([[-0.3613, -0.2583, -0.4276, -1.3106], [-1.1577, -0.7505, 1.7217, -0.6247], [-0.1338, 0.4423, 0.0280, -1.4796]]) >>> sorted, indices = torch.sort(x) >>> sorted tensor([[-1.3106, -0.4276, -0.3613, -0.2583], [-1.1577, -0.7505, -0.6247, 1.7217], [-1.4796, -0.1338, 0.0280, 0.4423]]) >>> indices tensor([[3, 2, 0, 1], [0, 1, 3, 2], [3, 0, 2, 1]])
15. torch.topk(input, dim=None, largest=True, sorted=True, out=None)
说明： 沿指定dim维度返回输入张量input中k个最大值。如果不指定dim，则默认input的最后一维，如果largest为False，则返回最小的k个值。
参数：
input(Tensor) ---- 输入张量
k(int) ---- “top-k"中的k值
dim(int,可选的) ---- 排序的维度
largest(bool,可选的) ---- 布尔值，控制返回最大或最小值
sorted(bool,可选的) ---- 布尔值，控制返回值是否排序
out(tuple,可选的) ---- 可选输出张量
返回值： 返回一个元组(values, indices)，其中indices是原始输入张量input中排序元素下标。如果设定布尔值sorted为True，将会确保返回的k个值被排序
>>> x = torch.arange(1, 6) >>> x tensor([1, 2, 3, 4, 5]) >>> torch.topk(x, 3) torch.return_types.topk( values=tensor([5, 4, 3]), indices=tensor([4, 3, 2])) >>> torch.topk(x, 3, 0, largest=False) torch.return_types.topk( values=tensor([1, 2, 3]), indices=tensor([0, 1, 2]))
以上这篇Pytorch学习之torch用法----比较操作(Comparison Ops)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。
本文共计2253个文字，预计阅读时间需要10分钟。
1. torch.eq(input, other, out=None) 说明：比较元素是否相等，第二个参数可以是数字或与第一个参数同类型的张量。 input (Tensor) ---- 待比较的张量 other (Tensor or float) ---- 比较的张量或浮点数
1. torch.eq(input, other, out=None)
说明： 比较元素是否相等，第二个参数可以是一个数，或者是第一个参数同类型形状的张量
参数：
input(Tensor) ---- 待比较张量
other(Tenosr or float) ---- 比较张量或者数
out(Tensor,可选的) ---- 输出张量
返回值： 一个torch.ByteTensor张量，包含了每个位置的比较结果(相等为1，不等为0)
>>> a = torch.Tensor([[1, 2], [3, 4]]) >>> b = torch.Tensor([[1, 1], [4, 4]]) >>> torch.eq(a, b) tensor([[1, 0], [0, 1]], dtype=torch.uint8)
2. torch.equal(tensor1, tensor2, out=None)
说明： 如果两个张量有相同的形状和元素值，则返回true，否则False
参数：
tensor1(Tenosr) ---- 比较张量1
tensor2(Tensor) ---- 比较张量2
out(Tensor,可选的) ---- 输出张量
>>> a = torch.Tensor([1, 2]) >>> b = torch.Tensor([1, 2]) >>> torch.equal(a, b) True
3. torch.ge(input, other, out=None)
说明： 逐元素比较input和other，即是否input >= other。
参数：
input(Tensor) ---- 待对比的张量
other(Tensor or float) ---- 对比的张量或float值
out(Tensor,可选的) ---- 输出张量，
>>> a = torch.Tensor([[1, 2], [3, 4]]) >>> b = torch.Tensor([[1, 1], [4, 4]]) >>> torch.ge(a, b) tensor([[1, 1], [0, 1]], dtype=torch.uint8)
4. torch.gt(input, other, out=None)
说明： 逐元素比较input和other，即是否input > other
参数：
input(Tensor) ---- 要对比的张量
other(Tensor or float) ---- 要对比的张量或float值
out(Tensor,可选的) ---- 输出张量
>>> a = torch.Tensor([[1, 2], [3, 4]]) >>> b = torch.Tensor([[1, 1], [4, 4]]) >>> torch.gt(a, b) tensor([[0, 1], [0, 0]], dtype=torch.uint8)
5. torch.kthvalue(input, k, dim=None, out=None)
说明： 取输入张量input指定维度上第k个最小值。如果不指定dim。默认为最后一维。返回一个元组(value, indices), 其中indices是原始输入张量中沿dim维的第k个最小值下标。
参数：
input(Tensor) ---- 要对比的张量
k(int) ---- 第k个最小值
dim(int, 可选的) ---- 沿着此维度进行排序
out(tuple,可选的) ---- 输出元组
>>> x = torch.arange(1, 6) >>> x tensor([1, 2, 3, 4, 5]) >>> torch.kthvalue(x, 4) torch.return_types.kthvalue( values=tensor(4), indices=tensor(3)) >>> torch.kthvalue(x, 1) torch.return_types.kthvalue( values=tensor(1), indices=tensor(0))
6. torch.le(input, other, out=None)
说明： 逐元素比较input和other，即是否input <= other.
参数：
input(Tenosr) ---- 要对比的张量
other(Tensor or float) ---- 对比的张量或float值
out(Tensor,可选的) ---- 输出张量
>>> a = torch.Tensor([[1, 2], [3, 4]]) >>> b = torch.Tensor([[1, 1], [4, 4]]) >>> torch.le(a, b) tensor([[1, 0], [1, 1]], dtype=torch.uint8)
7. torch.lt(input, other, out=None)
说明： 逐元素比较input和other，即是否input < other
参数：
input(Tensor) ---- 要对比的张量
other(Tensor or float) ---- 对比的张量或float值
out(Tensor,可选的) ---- 输出张量
>>> a = torch.Tensor([[1, 2], [3, 4]]) >>> b = torch.Tensor([[1, 1], [4, 4]]) >>> torch.lt(a, b) tensor([[0, 0], [1, 0]], dtype=torch.uint8)
8. torch.max(input)
说明： 返回输入张量所有元素的最大值
参数：
input(Tensor) ---- 输入张量
>>> a = torch.randn(1, 3) >>> a tensor([[ 0.1553, -0.4140, 1.8393]]) >>> torch.max(a) tensor(1.8393)
9. torch.max(input, dim, max=None, max_indices=None)
说明： 返回输入张量给定维度上每行的最大值，并同时返回每个最大值的位置索引。
参数：
input(Tensor) ---- 输入张量
dim(int) ---- 指定的维度
max(Tensor,可选的) ---- 结果张量，包含给定维度上的最大值
max_indices(LongTensor,可选的) ---- 结果张量，包含给定维度上每个最大值的位置的索引。
>>> a = torch.randn(4, 4) >>> a tensor([[ 0.4067, -0.7722, -0.6560, -0.9621], [-0.8754, 0.0282, -0.7947, -0.1870], [ 0.4300, 0.5444, 0.3180, 1.2647], [ 0.0775, 0.5886, 0.1662, 0.8986]]) >>> torch.max(a, 1) torch.return_types.max( values=tensor([0.4067, 0.0282, 1.2647, 0.8986]), indices=tensor([0, 1, 3, 3]))
10. torch.max(input, other, out=None)
说明： 返回两个元素的最大值。
参数：
input(Tensor) ---- 待比较张量
other(Tensor) ---- 比较张量
out(Tensor,可选的) ---- 结果张量
>>> a = torch.randn(4) >>> a tensor([ 0.5767, -1.0841, -0.0942, -0.9405]) >>> b = torch.randn(4) >>> b tensor([-0.6375, 1.4165, 0.2738, -0.8996]) >>> torch.max(a, b) tensor([ 0.5767, 1.4165, 0.2738, -0.8996])
11.torch.min(input)
说明： 返回输入张量所有元素的最小值
参数：
input(Tensor) ---- 输入张量
>>> a = torch.randn(1, 4) >>> a tensor([[-0.8142, -0.9847, -0.3637, 0.5191]]) >>> torch.min(a) tensor(-0.9847)
12. torch.min(input, dim, min=None, min_indices=None)
说明： 返回输入张量给定维度上每行的最小值，并同时返回每个最小值的位置索引
参数：
input(Tensor) ---- 输入张量
dim(int) ---- 指定的维度
min(Tensor,可选的) ---- 结果张量，包含给定维度上的最小值
min_indices(LongTensor,可选的) ---- 结果张量，包含给定维度上每个最小值的位置索引。
>>> a = torch.randn(4, 4) >>> a tensor([[-0.0243, -0.7382, 0.3102, 0.9720], [-0.3805, -0.7999, -1.2856, 0.2657], [-1.0284, -0.1638, -0.8840, 1.2679], [-1.0347, -2.3428, 0.3107, 1.0575]]) >>> torch.min(a, 1) torch.return_types.min( values=tensor([-0.7382, -1.2856, -1.0284, -2.3428]), indices=tensor([1, 2, 0, 1]))
13. torch.ne(input, other, out=None)
说明： 逐元素比较input和other，即是否input 不等于 other。第二个参数可以为一个数或与第一个参数相同形状和类型的张量
参数：
input(Tensor) ---- 待对比的张量
other(Tensor or float) ---- 对比的张量或float值
out(Tensor, 可选的) ---- 输出张量
** 返回值：** 一个torch.ByteTensor 张量，包含了每个位置的比较结果，如果tensor和other不相等为True，返回1.
>>> import torch >>> a = torch.Tensor([[1, 2], [3, 4]]) >>> b = torch.Tensor([[1, 1], [4, 4]]) >>> torch.ne(a, b) tensor([[0, 1], [1, 0]], dtype=torch.uint8)
14. torch.sort(input, dim=None, descending=False, out=None)
说明： 对输入张量input沿指定维度按升序排序，如果不给定dim，则默认为输入的最后一维。如果指定参数descending为True，则按降序排序。
参数：
input(Tensor) ---- 要排序的张量
dim(int,可选的) ---- 沿着此维度排序
descending(bool,可选的) ---- 布尔值，控制升序排序
out(tuple,可选的) ---- 输出张量
返回值： 为ByteTensor类型或与tensor相同类型，为元组(sorted_tensor,sorted_indices)，sorted_indices为原始输入中的下标
>>> x = torch.randn(3, 4) >>> x tensor([[-0.3613, -0.2583, -0.4276, -1.3106], [-1.1577, -0.7505, 1.7217, -0.6247], [-0.1338, 0.4423, 0.0280, -1.4796]]) >>> sorted, indices = torch.sort(x) >>> sorted tensor([[-1.3106, -0.4276, -0.3613, -0.2583], [-1.1577, -0.7505, -0.6247, 1.7217], [-1.4796, -0.1338, 0.0280, 0.4423]]) >>> indices tensor([[3, 2, 0, 1], [0, 1, 3, 2], [3, 0, 2, 1]])
15. torch.topk(input, dim=None, largest=True, sorted=True, out=None)
说明： 沿指定dim维度返回输入张量input中k个最大值。如果不指定dim，则默认input的最后一维，如果largest为False，则返回最小的k个值。
参数：
input(Tensor) ---- 输入张量
k(int) ---- “top-k"中的k值
dim(int,可选的) ---- 排序的维度
largest(bool,可选的) ---- 布尔值，控制返回最大或最小值
sorted(bool,可选的) ---- 布尔值，控制返回值是否排序
out(tuple,可选的) ---- 可选输出张量
返回值： 返回一个元组(values, indices)，其中indices是原始输入张量input中排序元素下标。如果设定布尔值sorted为True，将会确保返回的k个值被排序
>>> x = torch.arange(1, 6) >>> x tensor([1, 2, 3, 4, 5]) >>> torch.topk(x, 3) torch.return_types.topk( values=tensor([5, 4, 3]), indices=tensor([4, 3, 2])) >>> torch.topk(x, 3, 0, largest=False) torch.return_types.topk( values=tensor([1, 2, 3]), indices=tensor([0, 1, 2]))
以上这篇Pytorch学习之torch用法----比较操作(Comparison Ops)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。