Tensor 约减操作

Tensor 约减操作

Tensor 约减操作

让我们首先给出一个约减操作的定义。

一个 Tensor 的约减操作是减少 Tensor 内部元素数量的操作。

到目前为止,在这个系列中,我们已经了解到 Tensor 是深度学习的数据结构。我们的首要任务是将数据元素加载到 Tensor 中。

因此,Tensor 非常重要,但最终,我们在本系列中学习的操作是管理 Tensor 内部的数据元素。

Tensor 让我们能够管理我们的数据。

重塑操作让我们能够将元素定位在特定的轴上。元素级操作允许我们在 两个 Tensor 之间进行操作,而约减操作允许我们在 单个 Tensor 内部进行操作。

让我们来看看代码中的一个例子。

约减操作示例

假设我们有以下 3 x 3​ 二阶 Tensor:

> t = torch.tensor([
    [0,1,0],
    [2,0,2],
    [0,3,0]
], dtype=torch.float32)

让我们来看看我们的第一个约减操作,求和:

> t.sum()
tensor(8.)

使用以下事实:

> t.numel()
9

> t.sum().numel()
1

我们可以看到

> t.sum().numel() < t.numel()
True

通过 sum()​ Tensor 方法计算 Tensor 标量分量的和。该调用的结果是一个标量值 Tensor。

将原始 Tensor 中的元素数量与 sum()​ 调用的结果进行比较,我们可以看到,确实,sum()​ 调用返回的 Tensor 包含的元素比原始 Tensor 少。

由于操作减少了元素数量,我们可以得出结论,sum()​ 方法是一个约减操作。

常见的 Tensor 约减操作

正如你所期望的,这里有一些其他的常见约减函数:

> t.sum()
tensor(8.)

> t.prod()
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