PyTorch 教程-向量操作

我们知道张量有不同类型的维度,例如零维、一维和多维。向量是一维张量,为了操纵它们,有许多可用的操作。向量操作有不同的类型,如数学运算、点积和linspace。向量在深度学习中起着关键作用。
在深度学习神经网络中,我们使用向量或一维张量生成随机点。以下是对向量执行的操作。
数学运算
我们可以将张量与另一个张量相加、相减、相乘和相除。以下是对向量执行的所有数学运算的表格,其中包含预期的输出。
序号 | 操作 | 张量 A | 张量 B | 数字 | 语法 | 输出 |
---|---|---|---|---|---|---|
1 | + | [1, 2, 3] | [4, 5, 6] | 2 | A+B | [5, 7, 9] |
2 | + | [1, 2, 3] | [4, 5, 6] | 2 | A+2 | [3, 4, 5] |
3 | - | [1, 2, 3] | [4, 5, 6] | 2 | A-B | [-3, -3, -3] |
4 | - | [1, 2, 3] | [4, 5, 6] | 2 | B-2 | [2, 3, 4] |
5 | * | [1, 2, 3] | [4, 5, 6] | 2 | A*B | [4, 10,18] |
6 | * | [1, 2, 3] | [4, 5, 6] | 2 | A*2 | [2, 4, 6] |
7 | / | [1, 2, 3] | [4, 5, 6] | 2 | B/A | [4, 2, 2] |
8 | / | [1, 2, 3] | [4, 5, 6] | 2 | B/2 | [2, 2, 3] |
import torch
A=torch.tensor([1,2,3])
B=torch.tensor([4,5,6])
A+B
A+2
A-B
B-2
A*B
A*2
B/A
B/2
输出:
tensor([5, 7, 9])
tensor([3, 4, 5])
tensor([-3, -3, -3])
tensor([2, 3, 4])
tensor([ 4, 10, 18])
tensor([2, 4, 6])
tensor([4, 2, 2])
tensor([2, 2, 3])
点积和linspace
我们还可以执行两个张量的点积。我们使用torch的dot()方法来计算,该方法提供准确或预期的结果。还有另一种向量操作,即linspace。对于linspace,我们使用linspace()方法。此方法包含两个参数,第一个是起始数字,第二个是结束数字。
此方法的输出是,它从起始数字到结束数字打印一百个等间距的数字。
注意:我们可以明确指定步长,而不是通过在参数列表的末尾传递一个额外的参数来使用默认值。
示例
import torch
t1= torch.tensor([1,2,3])
t2= torch.tensor([4,5,6])
DotProduct= torch.dot(t1,t2)
print(DotProduct)
torch.linspace(2,9)
输出:
tensor(32)
tensor([2.0000, 2.0707, 2.1414, 2.2121, 2.2828, 2.3535, 2.4242, 2.4949, 2.5657,
2.6364, 2.7071, 2.7778, 2.8485, 2.9192, 2.9899, 3.0606, 3.1313, 3.2020,
3.2727, 3.3434, 3.4141, 3.4848, 3.5556, 3.6263, 3.6970, 3.7677, 3.8384,
3.9091, 3.9798, 4.0505, 4.1212, 4.1919, 4.2626, 4.3333, 4.4040, 4.4747,
4.5455, 4.6162, 4.6869, 4.7576, 4.8283, 4.8990, 4.9697, 5.0404, 5.1111,
5.1818, 5.2525, 5.3232, 5.3939, 5.4646, 5.5354, 5.6061, 5.6768, 5.7475,
5.8182, 5.8889, 5.9596, 6.0303, 6.1010, 6.1717, 6.2424, 6.3131, 6.3838,
6.4545, 6.5253, 6.5960, 6.6667, 6.7374, 6.8081, 6.8788, 6.9495, 7.0202,
7.0909, 7.1616, 7.2323, 7.3030, 7.3737, 7.4444, 7.5152, 7.5859, 7.6566,
7.7273, 7.7980, 7.8687, 7.9394, 8.0101, 8.0808, 8.1515, 8.2222, 8.2929,
8.3636, 8.4343, 8.5051, 8.5758, 8.6465, 8.7172, 8.7879, 8.8586, 8.9293,
9.0000])
在二维坐标系上绘制函数
当在二维坐标系上绘制函数时,linspace函数可以派上用场。对于x轴,我们在间隔2.5中从0到10创建一个土地空间,而Y将是每个x值的函数。例如,我们可以找到每个x值的指数。
现在,我们正在使用数据分析的可视化库Map plot lib绘制x和y数据。
示例
import torch
import numpy as np
import matplotlib.pyplot as plt
x=torch.linspace(0,10,100)
y=torch.exp(x)
plt.plot(x.numpy(),y.numpy())
plt.show()
输出:
注意:为了获得更平滑的指数,我们必须增加linspace中的数据。如果是100而不是5,那么输出将更加平滑。
注意:我们可以绘制x的sin值,而不是指数值。这样它将创建一个被称为曲线的正弦曲线。
示例
import torch
import numpy as np
import matplotlib.pyplot as plt
x=torch.linspace(0,10,100)
y=torch.sin(x)
plt.plot(x.numpy(),y.numpy())
plt.show()
输出: