torch.linalg.svd() 计算矩阵或一批矩阵的奇异值分解 (SVD)。奇异值分解表示为命名元组 (U, S, Vh)。对于实矩阵，U 和 Vh 是正交的；对于复矩阵，U 和 Vh 是酉的。当 V 为实数时，Vh 是 V 的转置；当 V 为复数时，Vh 是 V 的共轭转置。即使输入是复数，S 也始终是实数。语法：U, S, Vh = torch.linalg.svd(A, full_matrices=True) 参数：A – PyTorch 张量（矩阵或一批矩阵）。full_matrices – 如果为 True，则输出为完全 SVD，否则为简化 SVD。默认为 True。输出：它返回一个命名元组……阅读更多

就地操作直接更改张量的内容，而无需复制它。因为它不会创建输入的副本，所以在处理高维数据时可以减少内存使用量。就地操作有助于减少 GPU 内存的使用。在 PyTorch 中，就地操作总是以“_”后缀结尾，例如 add_()、mul_() 等。步骤：要执行就地操作，可以按照以下步骤操作：导入所需的库。所需的库是 torch。定义/创建要对其执行就地操作的张量。执行普通操作和就地操作，以查看它们之间的明显区别。显示张量……阅读更多

要在 PyTorch 中计算张量元素的对数，我们使用 torch.log() 方法。它返回一个新张量，其中包含原始输入张量元素的自然对数值。它以张量作为输入参数，并输出一个张量。步骤：导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 torch。确保你已经安装了它。创建一个张量并打印它。计算 torch.log(input)。它以输入（一个张量）作为输入参数，并返回一个新张量，其中包含输入元素的自然对数值。打印张量……阅读更多

PyTorch 张量是同质的，即张量的所有元素都具有相同的數據類型。我们可以使用张量的“.dtype”属性访问张量的數據類型。它返回张量的數據類型。步骤：导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 torch。确保你已经安装了它。创建一个张量并打印它。计算 T.dtype。这里 T 是我们要获取數據類型的张量。打印张量的數據類型。示例 1：以下 Python 程序演示如何获取……阅读更多

要计算张量元素的正弦，我们使用 torch.sin() 方法。它返回一个新张量，其中包含原始输入张量元素的正弦值。它以张量作为输入参数，并输出一个张量。步骤：导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 torch。确保你已经安装了它。创建一个张量并打印它。计算 torch.sin(input)。它以输入（一个张量）作为输入参数，并返回一个新张量，其中包含输入元素的正弦值。打印包含输入元素正弦值的张量……阅读更多

要压缩张量，我们使用 torch.squeeze() 方法。它返回一个新张量，其中包含输入张量的所有维度，但删除了大小为 1 的维度。例如，如果输入张量的形状是 (M ☓ 1 ☓ N ☓ 1 ☓ P)，则压缩后的张量将具有形状 (M ☓ N ☓ P)。要解压缩张量，我们使用 torch.unsqueeze() 方法。它返回一个新张量，其中在特定位置插入了一个大小为 1 的新维度。步骤：导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 torch。确保你已经安装了……阅读更多

使用 torch.histc() 计算张量的直方图。它返回一个表示为张量的直方图。它接受四个参数：输入、箱数、最小值和最大值。它将元素排序到最小值和最大值之间的等宽箱中。它忽略小于最小值和大于最大值的元素。步骤：导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 torch 和 Matplotlib。确保你已经安装了它们。创建一个张量并打印它。计算 torch.histc(input, bins=100, min=0, max=100)。它返回一个包含直方图值的张量。将 bins、min 和 max 设置为适当的值……阅读更多

RGB 图像具有三个通道：红色、绿色和蓝色。我们需要计算这些图像通道上图像像素值的平均值。为此，我们使用 torch.mean() 方法。但是此方法的输入参数是 PyTorch 张量。因此，我们首先将图像转换为 PyTorch 张量，然后应用此方法。它返回张量中所有元素的平均值。要查找图像通道的平均值，我们将参数 dim 设置为 [1, 2]。步骤：导入所需的库。在以下所有 Python 示例中，所需的 Python 库是……阅读更多

要在 PyTorch 中逐元素比较两个张量，我们使用 torch.eq() 方法。它比较相应的元素，如果两个元素相同则返回“True”，否则返回“False”。我们可以比较具有相同或不同维度的两个张量，但两个张量的大小必须在非单例维度上匹配。步骤：导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 torch。确保你已经安装了它。创建一个 PyTorch 张量并打印它。计算 torch.eq(input1, input2)。它返回一个包含“True”和/或“False”的张量。它逐元素比较张量，如果相应的……阅读更多

PyTorch 提供了一个方法 `torch.kthvalue()` 来查找张量的第 k 个元素。它返回按升序排列的张量中第 k 个元素的值，以及该元素在原始张量中的索引。`torch.topk()` 方法用于查找前“k”个元素。它返回张量中前“k”个或最大的“k”个元素。步骤：导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 torch。请确保您已安装它。创建一个 PyTorch 张量并打印它。计算 `torch.kthvalue(input, k)`。它返回两个张量。将这两个张量赋值给两个新的变量……阅读更多