pytorch中的運(yùn)算遵循其Broadcasting規(guī)則，這里不詳細(xì)解釋。

? ??目錄

1. 矩陣對(duì)應(yīng)位置加減乘除

2. 矩陣相乘?

3. 冪運(yùn)算

3. 指數(shù)與對(duì)數(shù)運(yùn)算

4. 近似取值（向上取整，向下取整，四舍五入，取小數(shù)等）?

5. clamp

---

1. 矩陣對(duì)應(yīng)位置加減乘除

包括add（加），sub（減），mul（乘），div（除），pytorch中重載了加減乘除的運(yùn)算符號(hào)：

首先先創(chuàng)建兩個(gè)tensor

加法，add與+結(jié)果一致：

減法，sub與-結(jié)果一致：

同理，mul與*，對(duì)應(yīng)乘法運(yùn)算，div與/ 對(duì)應(yīng)除法運(yùn)算。

2. 矩陣相乘?

上面使用的mul與*，對(duì)應(yīng)的是兩個(gè)tensor對(duì)應(yīng)位置的數(shù)字相乘，接下來介紹矩陣相乘的方法：

torch.mm(a,b), 只適用于二維，其他會(huì)報(bào)錯(cuò)

torch.matnul(a,b)適用與所有符合運(yùn)算規(guī)則的乘法。

且 可以使用@符號(hào)與matnul等價(jià)

多維相乘相當(dāng)于多個(gè)二維相乘：

相乘時(shí)候需要注意?Broadcasting?規(guī)則

3. 冪運(yùn)算

pow 與 ** 同運(yùn)算

創(chuàng)建tensor，以及a的二次方。

? ? ????

sqrt 表示平方根，也就是0.5次方

?

3. 指數(shù)與對(duì)數(shù)運(yùn)算

torch.exp(a)?表示e的a次方：

torch.log(a) 表示e為底進(jìn)行計(jì)算：

4. 近似取值（向上取整，向下取整，四舍五入，取小數(shù)等）?

round() 四舍五入。

floor()? 向下取整，ceil()? 向上取整。

?

trunc() 取整數(shù)部分，frac() 取小數(shù)部分。

?注意這些函數(shù)，都有對(duì)應(yīng)的 round_(), floor_(), ceil_(), trunc_(), frac_() , 會(huì)對(duì) tensor 本身的值進(jìn)行更改。

5. clamp

?clamp會(huì)對(duì)tensor中的數(shù)據(jù)進(jìn)行篩選，需要傳入最小值最大值參數(shù)，如果只傳入一個(gè)參數(shù)，則默認(rèn)為最小值

可見，小于最小值的數(shù)值將改變，如果同時(shí)也傳入了最大值參數(shù)，大于最大值的也將會(huì)進(jìn)行改變

同樣的也有對(duì)應(yīng)的clamp_()函數(shù)，會(huì)對(duì)對(duì)象本身的值進(jìn)行更改。

總結(jié)

以上是生活随笔為你收集整理的pytorch 基本数学运算的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。