深度学习PyTorch笔记（2）：Tensor的算术操作

  • 这是《动手学深度学习》（PyTorch版）（Dive-into-DL-PyTorch）的学习笔记，里面有一些代码是我自己拓展的。

    其他笔记在专栏 深度学习 中。


    1.2.1 算术操作

    加减乘除、求余、求幂、指数、绝对值：

    #可以是两个张量，也可以是张量和数字
x = torch.tensor([1, 2, 4])
y = torch.tensor([2, 1, 2])
print(x + y, torch.add(x, y), x.add(y))
print(x - y)
print(torch.abs(x - y))  #绝对值
print(x * y, torch.mul(x, y), x.mul(y))
print(x / y, torch.div(x, y), x.div(y))
print(x % y) 
print(x ** y, torch.pow(x, y), x.pow(y))
print(torch.exp(x))

    tensor([3, 3, 6]) tensor([3, 3, 6]) tensor([3, 3, 6])
tensor([-1,  1,  2])
tensor([1, 1, 2])
tensor([2, 2, 8]) tensor([2, 2, 8]) tensor([2, 2, 8])
tensor([0.5000, 2.0000, 2.0000]) tensor([0.5000, 2.0000, 2.0000]) tensor([0.5000, 2.0000, 2.0000])
tensor([1, 0, 0])
tensor([ 1,  2, 16]) tensor([ 1,  2, 16]) tensor([ 1,  2, 16])
tensor([ 2.7183,  7.3891, 54.5981]))


    多种加法：

    x = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
y = torch.tensor([[3, 2, 1], [6, 5, 4], [9, 8, 7]])

print(x + y)

print(torch.add(x, y))

result = torch.empty(3, 3)
torch.add(x, y, out=result) #把x+y放入创建的空tensor中
print(result)
print(result.type())

y.add_(x)  #上面的一种变式，注意有一个‘_’，这个符号在所有替换自身操作符的末尾都有，另外，输出的方式还可以象python一样。
print(y)
print(y.type())

    tensor([[ 4,  4,  4],
        [10, 10, 10],
        [16, 16, 16]])
tensor([[ 4,  4,  4],
        [10, 10, 10],
        [16, 16, 16]])
tensor([[ 4.,  4.,  4.],
        [10., 10., 10.],
        [16., 16., 16.]])
torch.FloatTensor
tensor([[ 4,  4,  4],
        [10, 10, 10],
        [16, 16, 16]])
torch.LongTensor

    注意出现的结果的类型！第三个结果的类型是浮点型。

    #矩阵乘法
x = torch.tensor([[1, 2]])  #要确保是矩阵
y = torch.tensor([[3], [4]])
torch.mm(x, y), x.mm(y)  #1*3+2*4

>>> (tensor([[11]]), tensor([[11]]))

    #矩阵乘向量
x = torch.tensor([[1,2,3], 
                  [4,5,6]])
y = torch.tensor([1,2,3])  #列向量
torch.mv(x, y), x.mv(y)  #就和矩阵相乘的方式一样

>>> (tensor([14, 32]), tensor([14, 32]))