深度学习与PyTorch入门实战 - 12. 数学运算

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/dragen1860

摘要

文档主要介绍了PyTorch中的基础数学运算，包括加减乘除、矩阵乘法（Matmul）、幂运算（Pow）和四舍五入（Round）等操作。通过多个实际示例展示了这些运算在不同形状张量上的具体应用，重点说明了张量运算中的形状匹配与变化处理。

AI总结

# 《深度学习与PyTorch入门实战 - 12. 数学运算》

本文档主要介绍了PyTorch中的基本数学运算，涵盖了加减乘除、矩阵乘法、幂运算、舍入函数以及张量操作。以下是各部分的核心内容：

## 1. 加减乘除与矩阵乘法
- 前两部分展示了张量的加减乘除操作，展示了a和b的基本运算结果，以及矩阵乘法的应用。代码示例包括：
- `a.add_(b)`
- `a-b`
- 矩阵乘法的结果与验证

## 2. 幂运算
- `a.pow(2)`用于对矩阵a进行平方操作，结果为：

  [[9.7114, 1.7711, 1.1941, 0.8124],
   [9.8159, 0.8699, 1.2145, 6.5990],
   [6.3545, 1.3203, 0.4354, 0.1347]]

## 3. 张量操作
- 代码示例展示了如何使用张量的高级接口进行操作，包括绝对值、符号、取整、分数部分和Clamp函数。具体示例包括：
- `a.abs()`
- `a.sign()`
- `a.floor()`和`a.ceil()`
- `a.trunc()`和`a.frac()`
- `torch.clamp(a, 9.4, 10)`和其效果展示

## 4. 其他运算
- 使用`a.max(0)`获取最大值及其索引，示例如下：

  (tensor(14.87357), tensor(3))

- `a.median()`计算中位数，结果为：

  tensor(10.15717)

## 5. Clamp函数
- 使用`torch.clamp(a, 9.4, 10)`对张量进行限制，结果展示了处理后的张量。

## 6. 张量形状变换
- 代码示例展示了解析张量的模和次方，张量乘法的维度变化以及高级接口的应用。例如：
- `a.matmul(b)`: 输出形状为`[4, 3, 28, 32]`
- `.rand(4,64,32).matmul(a$b)`: 输出形状为`[4,3,28,32]`
- 其他矩阵乘法操作及其结果展示。

通过这些操作和实例，读者可以全面理解PyTorch中数学运算的基本用法及其在实际操作中的应用。