要将具有梯度的 Torch 张量转换为 NumPy 数组，首先我们必须将张量从当前计算图中分离。为此，我们使用 Tensor.detach() 操作。此操作将张量从当前计算图中分离。现在，我们无法计算相对于此张量的梯度。在 detach() 操作之后，我们使用 .numpy() 方法将其转换为 NumPy 数组。如果在 GPU 上定义了 requires_grad=True 的张量，则要将此张量转换为 NumPy 数组，我们必须执行更多一步。首先，我们必须将张量移动到…… 阅读更多

scipy.interpolate 包的 interp1d() 函数用于插值一维函数。它采用诸如 x 和 y 的值数组来逼近某个函数 y = f(x)，然后使用插值来查找新点的值。语法 scipy.interpolate.interp1d(x, y) 其中 x 是实数值的一维数组，y 是实数值的 N 维数组。沿插值轴的 y 的长度必须等于 x 的长度。示例 1 让我们考虑以下示例 − # 导入所需的库 import matplotlib.pyplot as plt import numpy as np from scipy import interpolate # ... 阅读更多

scipy.linalg 包的 tanm() 函数用于计算输入矩阵的正切值。此例程使用 expm 来计算矩阵指数。语法 scipy.linalg.tanm(x) 其中 x 是输入数组或方阵。它返回 x 的矩阵正切值。示例 1 让我们考虑以下示例 − # 导入所需的库 from scipy import linalg import numpy as np # 定义输入数组 x = np.array([[69 , 12] , [94 , 28]]) print("输入数组: ", x) # 计算正切 a = linalg.tanm(x) # 显示矩阵的正切 print("X 的正切: ", a) 输出 它将… 阅读更多

scipy.linalg 包的 cosm() 函数用于计算输入矩阵的余弦值。此例程使用 expm 来计算矩阵指数。语法 scipy.linalg.cosm(x) 其中 x 是输入数组。示例 1 让我们考虑以下示例 − # 导入所需的库 from scipy import linalg import numpy as np # 定义输入数组 q = np.array([[121 , 10] , [77 , 36]]) print("数组输入 :", q) # 计算余弦 r = linalg.cosm(q) # 显示矩阵的余弦 print("Q 的余弦: ", r) 输出 以上程序将生成以下输出 − 数组输入 :… 阅读更多

sinm() 函数 scipy.linalg 包用于计算输入矩阵的正弦值。此例程使用 expm 来计算矩阵指数。语法 scipy.linalg.sinm(x) 其中 x 是输入数组。示例 1 让我们考虑以下示例 − # 导入所需的库 from scipy from scipy import linalg import numpy as np # 定义输入数组 X = np.array([[110, 12], [79, 23]]) print("输入矩阵, X:", X) # 计算矩阵的正弦 n = linalg.sinm(X) # 显示正弦 print("X 的正弦: ", n) 输出 它将生成以下输出 − 输入矩阵, X: [[110 12] … 阅读更多

scipy.linalg 包的 expm() 函数用于使用 Padé 近似计算矩阵指数。Padé 近似是通过给定阶数的有理函数对函数进行“最佳”逼近。在此技术下，逼近的幂级数与它逼近的函数的幂级数一致。语法 scipy.linalg.expm(x) 其中 x 是要进行指数运算的输入矩阵。示例 1 让我们考虑以下示例 − # 导入所需的库 from scipy import linalg import numpy as np # 定义输入数组 e = np.array([[100 , 5] , [78 , 36]]) print("输入数组 :", e) # 计算 … 阅读更多

scipy.linalg 包的 sqrtm() 函数可用于查找输入矩阵的平方根。语法 scipy.linalg.sqrtm(x) 示例 1 让我们考虑以下示例 − # 导入所需的库 from scipy from scipy import linalg import numpy as np # 定义输入数组 x = np.array([[14 , 2] , [89 , 33]]) print("输入数组:", x) # 计算平方根 r = linalg.sqrtm(x) # 显示平方根 print("x 的平方根: ", r) 输出 它将生成以下输出 − 输入数组: [[14 2] [89 33]] x 的平方根: [[3.43430132 0.22262855] [9.90697038 5.54927253]] 示例 2 让我们… 阅读更多

scipy.linalg 包的 norm() 函数用于返回八种不同的矩阵范数之一或无限多个向量范数之一。语法 scipy.linalg.norm(x) 其中 x 是输入数组或方阵。示例 1 让我们考虑以下示例 − # 导入所需的库 from scipy from scipy import linalg import numpy as np # 定义输入数组 x = np.array([7 , 4]) print("输入数组:", x) # 计算 L2 范数 r = linalg.norm(x) # 计算 L1 范数 s = linalg.norm(x, 3) # 显示范数值 print("r 的范数值 :", … 阅读更多

scipy.linalg 包包含一组用于线性代数的不同功能。其中之一是 inv() 函数，它用于查找方阵的逆矩阵。语法 scipy.linalg.inv(x) 其中 x 是方阵。示例 1 让我们考虑以下示例 − # 导入所需的库 from scipy import linalg import numpy as np # 定义数组 a = np.array([[5, 3], [6, 4]]) print("输入矩阵 :", a) # 查找方阵的逆矩阵 x = linalg.inv(a) print("方阵 A 的逆矩阵 :", x) 输出 以上程序将生成以下输出 − 输入矩阵 … 阅读更多

scipy.linalg 包包含一组用于线性代数的不同功能。其中之一是 det() 函数。此函数用于查找二维矩阵的行列式。语法 scipy.linalg.det(x) 其中 x 是方阵。示例 1 让我们考虑以下示例 − # 导入所需的库 from scipy import linalg import numpy as np # 初始化矩阵 A A = np.array([[8, 5], [3, 4]]) print("输入矩阵 :", A) # 查找矩阵 X 的行列式 x = linalg.det(A) print("A 的行列式值:", x) 输出 它将生成以下输出 − 输入矩阵 : [[8 5] … 阅读更多