pytorch中张量的运算

在深度学习中，经常需要对张量做四则、线性变换和激活等。

1. 单个张量的函数运算

t = torch.rand(2, 2)  # 产生一个3x3的张量
print(t)
print(t.sqrt())  # 张量的平方根，张量内部方法
print(torch.sqrt(t))  # 张量的平方根，函数形式
print(t.sqrt_())  # 平方根原地操作
print(torch.sum(t))  # 所有元素求和
print(torch.sum(t, 0))  # 第0维元素求和
print(torch.sum(t, [0, 1]))  # 对0,1维元素求和
print(torch.mean(t, [0, 1]))  # 对0,1维元素求平均

2. 多个张量的函数运算

pytorch中可以使用加减乘除的运算符进行张量间的运算，也可以使用add、sub、mul和div方法来进行运算。

t1 = torch.rand(2, 2)
t2 = torch.rand(2, 2)
# 元素相加
print(t1.add(t2))
print(t1+t2)
print('=' * 50)
# 元素相减
print(t1.sub(t2))
print(t1-t2)
print('=' * 50)
# 元素相乘
print(t1.mul(t2))
print(t1*t2)
print('=' * 50)
# 元素相除
print(t1.div(t2))
print(t1/t2)
print('=' * 50)

3. 张量的极值和排序

t = torch.randn(3, 3)
print(t)
print(