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 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
时尚研究
法律研究如何在 PyTorch 中对张量执行元素级乘法？
torch.mul() 方法用于在 PyTorch 中对张量执行元素级乘法。它将张量的对应元素相乘。我们可以将两个或多个张量相乘。我们还可以将标量和张量相乘。还可以将维度相同或不同的张量相乘。最终张量的维度将与更高维度张量的维度相同。张量的元素级乘法也称为哈达玛积。
步骤
导入所需的库。在以下所有 Python 示例中，所需的 Python 库都是 torch。请确保您已安装它。
定义两个或多个 PyTorch 张量并打印它们。如果要乘以标量，请定义它。
使用 torch.mul() 将两个或多个张量相乘并将值赋给新的变量。您还可以将标量和张量相乘。使用此方法将张量相乘不会对原始张量进行任何更改。
打印最终张量。
示例 1
以下程序显示了如何将标量与张量相乘。使用张量代替标量也可以获得相同的结果。
# Python program to perform element--wise multiplication
# import the required library
import torch
# Create a tensor
t = torch.Tensor([2.05, 2.03, 3.8, 2.29])
print("Original Tensor t:\n", t)
# Multiply a scalar value to a tensor
v = torch.mul(t, 7)
print("Element-wise multiplication result:\n", v)
# Same result can also be obtained as below
t1 = torch.Tensor([7])
w = torch.mul(t, t1)
print("Element-wise multiplication result:\n", w)
# other way to do above operation
t2 = torch.Tensor([7,7,7,7])
x = torch.mul(t, t2)
print("Element-wise multiplication result:\n", x)输出
Original Tensor t: tensor([2.0500, 2.0300, 3.8000, 2.2900]) Element-wise multiplication result: tensor([14.3500, 14.2100, 26.6000, 16.0300]) Element-wise multiplication result: tensor([14.3500, 14.2100, 26.6000, 16.0300]) Element-wise multiplication result: tensor([14.3500, 14.2100, 26.6000, 16.0300])
示例 2
以下 Python 程序显示了如何将 2D 张量与 1D 张量相乘。
import torch
# Create a 2D tensor
T1 = torch.Tensor([[3,2],[7,5]])
# Create a 1-D tensor
T2 = torch.Tensor([10, 8])
print("T1:\n", T1)
print("T2:\n", T2)
# Multiply 1-D tensor with 2-D tensor
v = torch.mul(T1, T2) # v = torch.mul(T2,T1)
print("Element-wise multiplication result:\n", v)输出
T1: tensor([[3., 2.], [7., 5.]]) T2: tensor([10., 8.]) Element-wise multiplication result: tensor([[30., 16.], [70., 40.]])
示例 3
以下 Python 程序显示了如何将两个 2D 张量相乘。
import torch
# create two 2-D tensors
T1 = torch.Tensor([[8,7],[3,4]])
T2 = torch.Tensor([[0,3],[4,9]])
print("T1:\n", T1)
print("T2:\n", T2)
# Multiply above two 2-D tensors
v = torch.mul(T1,T2)
print("Element-wise subtraction result:\n", v)输出
T1: tensor([[8., 7.], [3., 4.]]) T2: tensor([[0., 3.], [4., 9.]]) Element-wise subtraction result: tensor([[ 0., 21.], [12., 36.]])
更新于: 2021年11月6日
13K+ 次浏览
广告