pytorch基操04-比较运算符

本文详细介绍了PyTorch中的比较运算符,如`equal`、`gt`、`ge`、`lt`、`le`、`ne`,并展示了它们在张量操作中的应用。此外,还讲解了`sort`、`topk`和`kthvalue`等排序相关函数,以及`isinf`、`isfinite`和`isnan`用于检查数值状态的方法。通过实例解析,帮助读者深入理解这些操作在深度学习和张量处理中的作用。

1 torch中的比较运算符

为了演示不同比较运算符的作用,先初始化两个tensor a和b。

# 创建a,b tensor并用均值为20,方差为10的高斯分布采样赋值
a=torch.empty(size=(2,2)).normal_(20,10).floor_() # floor 向下取整
b=torch.empty(size=(2,2)).normal_(20,10).floor_()
a[0,0],b[0,0]=10,10 # 强制修改[0,0]位置元素相同
a:
 tensor([[10., 24.],
        [ 9., 22.]])
b:
 tensor([[10., 25.],
        [22., 26.]])

1.1 torch.equal

equal方法只有当a和b形状元素值都相等才返回True。

print('equal:',torch.equal(a,b))

这里除了[0,0]位置其他元素都不相同,因此返回False.

equal: False

1.2 torch.equal

# a==b
print('eq:',torch.eq(a,b))
eq: tensor([[ True, False],
        [False, False]])

1.3 torch.gt

# a > b , gt=Greater Than
print('a>b:',torch.gt(a,b))

每个a的元素都小于等于在b对应位置的元素,因此都返回False。

a>b: tensor([[False, False],
        [False
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值