py torch 中的向量运算
原文:https://www.geeksforgeeks.org/vector-operations-in-pytorch/
在本文中，我们将讨论 PyTorch 中的向量运算。向量是一维张量，用于处理数据。向量运算有不同的类型，如数学运算、点积和 linspace。
PyTorch 是一个优化的张量库，主要用于使用图形处理器和中央处理器的深度学习应用程序。它是广泛使用的机器学习库之一，其他的还有 TensorFlow 和 Keras。
我们可以使用 torch.tensor() 函数创建一个向量
语法:
torch.tensor([value1，value2，.值 n])
其中值是将输入作为列表的输入值
示例:
蟒蛇 3
# importing pytorch module
import torch
# create an vector
A = torch.tensor([7058, 7059, 7060, 7061, 7062])
# display
print(A)
输出:
张量([7058，7059，7060，7061，7062])
现在让我们讨论张量支持的每个向量运算。
算术运算
这个过程非常简单，只需创建两个向量，并对它们执行操作，就像对两个正则变量执行操作一样。
示例:
蟒蛇 3
# importing pytorch module
import torch
# create an vector A
A = torch.tensor([58, 59, 60, 61, 62])
# create an vector B
B = torch.tensor([100, 120, 140, 160, 180])
# add two vectors
print("Addition of two vectors:", A+B)
# subtract two vectors
print("subtraction of two vectors:", A-B)
# multiply two vectors
print("multiplication of two vectors:", A*B)
# multiply two vectors
print("multiplication of two vectors:", A*B)
# divide two vectors
print("division of two vectors:", A/B)
# floor divide two vectors
print("floor division of two vectors:", A//B)
# modulous of two vectors
print("modulous operation of two vectors:", A % B)
# power of two vectors
print("power operation of two vectors:", A**B)
输出:
两个向量的加法:张量([158，179，200，221，242])
两个向量的减法:张量([ -42，-61，-80，-99，-118])
两个向量的乘法:张量([ 5800，7080，8400，9760，11160])
两个向量的乘法:张量([ 5800，7080，8400，9760，11160])
两个向量的除法:张量([0.5800，0.4917，0.4286，0.3812，0.3444])
两个向量的楼层划分:张量([0，0，0，0，0])
两个向量的模运算:张量([58，59，60，61，62])
两个向量的幂运算:张量([ 0，-4166911448072485343，0，8747520307384418433，0])
一元运算
它类似于算术运算，只是另一个向量部分被常数代替。
示例:
蟒蛇 3
# importing pytorch module
import torch
# create an vector A
A = torch.tensor([58, 59, 60, 61, 62])
# divide vector by 2
print(A/2)
# multiply vector by 2
print(A*2)
# subtract vector by 2
print(A-2)
输出:
张量([29.0000，29.5000，30.0000，30.5000，31.0000])
张量([116，118，120，122，124])
张量([56，57，58，59，60])
点积
dot()用于获取点积。考虑中的向量只需要传递给它。
语法:
torch.dot(vector1，vector2)
示例:
蟒蛇 3
# importing pytorch module
import torch
# create an vector A
A = torch.tensor([58, 59, 60, 61, 62])
# create an vector B
B = torch.tensor([8, 9, 6, 1, 2])
# dot product of the two vectors
print(torch.dot(A, B))
输出:
张量(1540)
林空间功能
linspace 用于在给定空间中线性排列数据。它可以在 torch 包中找到，使用 linspace()函数，开始和结束值就足够了。
语法:
torch.linspace(开始，结束)
其中 start 是起始值，end 是结束值。
例
蟒蛇 3
# importing pytorch module
import torch
# arrange the elements from 2 to 10
print(torch.linspace(2, 10))
输出:
在二维坐标系上绘制函数
linspace 函数用于在二维坐标系上绘制函数。对于 x 轴，我们以 2.5 的间隔创建一个从 0 到 10 的陆地空间，Y 将是每个 x 值的函数。
例 1: sin 函数
蟒蛇 3
#import pytorch
import torch
#import numpy
import numpy as np
#import matplotlib
import matplotlib.pyplot as plt
# create lin space from 1 to 12
x = torch.linspace(1, 12)
# sin function
y = torch.sin(x)
# plot
plt.plot(x.numpy(), y.numpy())
# display
plt.show()
输出:
例 2: cos 函数
蟒蛇 3
#import pytorch
import torch
#import numpy
import numpy as np
#import matplotlib
import matplotlib.pyplot as plt
# create lin space from 1 to 12
x = torch.linspace(1, 12)
# cos function
y = torch.cos(x)
# plot
plt.plot(x.numpy(), y.numpy())
# display
plt.show()
输出:
例 3: tan()函数
蟒蛇 3
#import pytorch
import torch
#import numpy
import numpy as np
#import matplotlib
import matplotlib.pyplot as plt
# create lin space from 1 to 12
x = torch.linspace(1, 12)
# tan function
y = torch.tan(x)
# plot
plt.plot(x.numpy(), y.numpy())
# display
plt.show()
输出:
