数据结构
网络
关系数据库管理系统(RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法律研究如何在PyTorch中计算输入中每个元素的海维赛德阶跃函数？
要计算输入张量中每个元素的海维赛德阶跃函数，我们使用 **torch.heaviside()** 方法。它接受两个参数 - 输入和值。它返回一个包含计算出的 **heaviside** 阶跃函数的新张量。
如果 **input=0**，则 **heaviside** 函数的值与值相同。如果输入小于零，则heaviside的值为零。如果输入大于零，则 **heaviside** 的值为1。它接受任何维度的torch张量。它也称为 **单位阶跃函数**。
语法
torch.heaviside(input, values)
步骤
我们可以使用以下步骤计算海维赛德阶跃函数：
导入所需的库。在以下所有示例中，所需的Python库是 **torch**。确保你已经安装了它。
import torch
创建两个张量 - **input** 和 **values**。
input = torch.randn(3,3) values = torch.tensor([0.5, 0.3, 0.7])
使用 **torch.heaviside(input, values)** 计算上述定义的张量的海维赛德阶跃函数。可以选择将此值赋值给一个新变量。
hssf = torch.heaviside(input, values)
打印上述计算出的海维赛德阶跃函数。
print("Heaviside Step Function:
", hssf)示例1
在这个Python示例中，我们计算一维张量的海维赛德阶跃函数。
import torch
# define input and values tensors
input = torch.tensor([-1.5, 0, 2.0])
values = torch.tensor([0.5])
# display above defined tensors
print("Input Tensor:
", input)
print("Values Tensor:
", values)
# compute heaviside step function
hssf = torch.heaviside(input, values)
print("Heaviside Step Function:
", hssf)输出
Input Tensor: tensor([-1.5000, 0.0000, 2.0000]) Values Tensor: tensor([0.5000]) Heaviside Step Function: tensor([0.0000, 0.5000, 1.0000])
示例2
在这个示例中，我们计算二维张量的海维赛德阶跃函数。
import torch
# define input and values tensors
input = torch.tensor([[0.2, 0.0, -0.7, -0.2],
[0.0, 0.6, 0.6, -0.9],
[0.0, 0.0, 0.0, 0.4],
[-1.2, 0.0, 0.8, 0.0]])
values = torch.tensor([0.5,0.3, 0.7, 0.8])
# display above defined tensors
print("Input Tensor:
", input)
print("Values Tensor:
", values)
# compute heaviside step function
hssf = torch.heaviside(input, values)
print("Heaviside Step Function:
", hssf)输出
Input Tensor: tensor([[ 0.2000, 0.0000, -0.7000, -0.2000], [ 0.0000, 0.6000, 0.6000, -0.9000], [ 0.0000, 0.0000, 0.0000, 0.4000], [-1.2000, 0.0000, 0.8000, 0.0000]]) Values Tensor: tensor([5.0000, 0.3000, 0.7000, 0.8000]) Heaviside Step Function: tensor([[1.0000, 0.3000, 0.0000, 0.0000], [5.0000, 1.0000, 1.0000, 0.0000], [5.0000, 0.3000, 0.7000, 1.0000], [0.0000, 0.3000, 1.0000, 0.8000]])
更新于：2022年1月27日
310 次浏览
广告