数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 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
时尚研究
法律研究如何在 PyTorch 中计算反双曲正弦？
torch.asinh() 方法计算输入张量中每个元素的反双曲正弦。它支持实数和复数输入。它支持输入张量的任何维度。
语法
torch.asinh(input)
其中 input 是输入张量。
输出
它返回一个张量，包含每个元素的反双曲正弦。
步骤
要计算输入张量中每个元素的反双曲正弦，您可以按照以下步骤操作：
导入所需的库。在以下所有示例中，所需的 Python 库是 torch。确保您已安装它。
import torch
创建一个 torch 张量并打印它。
input = torch.randn(3,4)
print("Input Tensor:
", input)使用 torch.asinh(input) 计算输入张量中每个元素的反双曲正弦。这里 input 是输入张量。
inv_hsi = torch.asinh(input)
显示计算出的包含反双曲正弦值的张量。
print("Inverse Hyperbolic Sine Tensor:
", inv_hsin)现在，让我们通过几个示例来演示如何计算反双曲正弦。
示例 1
# Import the required library
import torch
# define an input tensor
input = torch.tensor([1.2, 3., 4., 4.2, -3.2])
# print the above defined tensor
print("Input Tensor:
", input)
# compute the inverse hyperbolic sine
inv_hsin = torch.asinh(input)
# print the above computed tensor
print("Inverse Hyperbolic Sine Tensor:
", inv_hsin)
print("............................")
# define a complex input tensor
input = torch.tensor([1.2+2j, 3.+4.j, 4.2-3.2j])
# print the above defined tensor
print("Input Tensor:
", input)
# compute the inverse hyperbolic sine
inv_hsin = torch.asinh(input)
# print the above computed tensor
print("Inverse Hyperbolic Sine Tensor:
", inv_hsin)输出
Input Tensor: tensor([ 1.2000, 3.0000, 4.0000, 4.2000, -3.2000]) Inverse Hyperbolic Sine Tensor: tensor([ 1.0160, 1.8184, 2.0947, 2.1421, -1.8799]) ............................ Input Tensor: tensor([1.2000+2.0000j, 3.0000+4.0000j, 4.2000-3.2000j]) Inverse Hyperbolic Sine Tensor: tensor([1.5205+0.9873j, 2.2999+0.9176j, 2.3596-0.6425j])
在上面的程序中，我们计算了实数和复数输入张量的每个元素的反双曲正弦。
示例 2
# Import the required library
import torch
# define an input tensor
input = torch.randn(4,4)
# print the above defined tensor
print("Input Tensor:
", input)
# compute the inverse hyperbolic sine
inv_hsin = torch.asinh(input)
# print the above computed tensor
print("Inverse Hyperbolic Sine Tensor:
", inv_hsin)
print("............................")
# define a complex input tensor
real = torch.randn(2,3)
imag = torch.randn(2,3)
input = torch.complex(real, imag)
# print the above defined tensor
print("Input Tensor:
", input)
# compute the inverse hyperbolic sine
inv_hsin = torch.asinh(input)
# print the above computed tensor
print("Inverse Hyperbolic Sine Tensor:
", inv_hsin)输出
Input Tensor: tensor([[ 0.4057, -1.8063, -0.5133, 0.3540], [-0.7180, -1.0896, 0.1832, 1.9867], [-0.6352, -0.1913, -0.0541, -0.3637], [-0.6229, 0.5518, -0.8876, 2.8466]]) Inverse Hyperbolic Sine Tensor: tensor([[ 0.3953, -1.3535, -0.4931, 0.3470], [-0.6673, -0.9433, 0.1822, 1.4377], [-0.5988, -0.1901, -0.0541, -0.3561], [-0.5884, 0.5270, -0.7996, 1.7688]]) ............................ Input Tensor: tensor([[-0.7072+0.6690j, 0.2434-1.0732j, 1.2196-0.7483j], [-1.2849+0.1874j, -0.7717+1.3786j, 0.6163-0.0782j]]) Inverse Hyperbolic Sine Tensor: tensor([[-0.7525+0.5421j, 0.5764-1.1596j, 1.1148-0.4592j], [-1.0744+0.1149j, -1.1086+0.9624j, 0.5839-0.0666j]])
注意 - 在上面的示例中，我们使用了随机生成的数字作为输入张量。您可能会注意到得到不同的元素。
更新于: 2022年1月27日
146 次查看
广告