python逐元素计算

在使用Python时，也希望能够有像matlab计算时，使用逐元素运算符进行点对点计算，这里介绍两种，一种是numpy，一种是torch

使用python中的numpy或者torch实现和MATLAB“.*;./;”运算

逐元素加减法

在Python中，在torch和numpy中，直接进行1对多的加减法会自动进行逐元素运算。

# narray为已经被定义的numpy矩阵
narray = 1 + narray  # 此时对narray的运算结果就是各点位加1 
# tt为已经被定义的torch.tensor类型数据
tt = 1 + tt
# 示例
import torch
a = torch.tensor([1, 2, 3])
print(a)
"""
tensor([1, 2, 3])
"""
a = a + 1
print(a)
"""
tensor([2, 3, 4])
"""

此外，对于torch，通常为了保证梯度计算的一些问题，比较建议统一使用torch提供的方法

import torch 
a = torch.tensor([1, 2, 3])
print(a)
"""
tensor([1, 2, 3])
"""
a = torch.add(a, 1)
print(a)
"""
tensor([2, 3, 4])
"""

逐元素乘法和除法

在numpy和torch中，都提供了直接的方法用与逐元素的计算。通常torch会使用GPU，所以使用torch的方法计算可以有效提高计算的速度。另一方面，使用给定的方法进行计算，可以避免在自己设计的网络层中丢失数据的信息。

乘法

multiply()函数和*运算符

# 在numpy和torch中对逐元素相乘的计算基本函数命名一致，使用方法也基本一致
# a, b为两个narray
import numpy as np
c = np.multiply(a, b)  # 即为a, b之间的逐元素乘积
# c = a * b 效果一样
# 在torch中类似
import torch
a = torch.tensor([1, 2, 3])
b = a
c = torch.mul(a, b)
print(c)
"""
tensor([1, 4, 9])
"""
# 使用c = torch.multiply(a, b)或者 c = a * b效果一致
# 注意，点积的运算符应该是@， 如果使用c = a @ b, 即为a， b点乘的结果

除法

divide() 函数

# a, b为两个narray
import numpy as np
c = np.divide(a, b)  # 即为a, b之间的逐元素相除
# 在torch中类似
import torch
a = torch.tensor([1, 2, 3])
b = torch.tensor([1, 2, 1])
c = torch.div(a, b)
print(c)
"""
tensor([1, 1, 3])
"""

 个人博客：https://kecilimu-notion.vercel.app/

个人邮箱：kecilimu@163.com

转载请务必注明出处

文章主图是利兹与青鸟的图，但是作者忘记了