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 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
服装学
法学如何在 PyTorch 中执行张量的逐元素减法？
要对张量执行逐元素减法，我们可以使用 PyTorch 的 **torch.sub()** 方法。张量的对应元素将被相减。我们可以从另一个张量中减去标量或张量。我们可以从具有相同或不同维度的张量中减去张量。最终张量的维度将与高维张量的维度相同。
步骤
导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 **torch**。确保您已安装它。
定义两个或多个 PyTorch 张量并打印它们。如果要减去标量，请定义它。
使用 **torch.sub()** 从另一个张量中减去标量或张量，并将值赋给一个新变量。您也可以从张量中减去标量。使用此方法减去张量不会对原始张量进行任何更改。
打印最终张量。
示例 1
这里，我们将有一个 Python 3 程序从张量中减去标量。我们将看到三种不同的方法来执行相同的任务。
# Python program to perform element-wise subtraction
# import the required library
import torch
# Create a tensor
t = torch.Tensor([1.5, 2.03, 3.8, 2.9])
print("Original Tensor t:\n", t)
# Subtract a scalar value to a tensor
v = torch.sub(t, 5.60)
print("Element-wise subtraction result:\n", v)
# Same result can also be obtained as below
t1 = torch.Tensor([5.60])
w = torch.sub(t, t1)
print("Element-wise subtraction result:\n", w)
# Other way to do above operation
t2 = torch.Tensor([5.60,5.60,5.60,5.60])
x = torch.sub(t, t2)
print("Element-wise subtraction result:\n", x)输出
Original Tensor t: tensor([1.5000, 2.0300, 3.8000, 2.9000]) Element-wise subtraction result: tensor([-4.1000, -3.5700, -1.8000, -2.7000]) Element-wise subtraction result: tensor([-4.1000, -3.5700, -1.8000, -2.7000]) Element-wise subtraction result: tensor([-4.1000, -3.5700, -1.8000, -2.7000])
示例 2
以下程序演示如何从二维张量中减去一维张量。
# Import necessary library
import torch
# Create a 2D tensor
T1 = torch.Tensor([[8,7],[4,5]])
# Create a 1-D tensor
T2 = torch.Tensor([10, 5])
print("T1:\n", T1)
print("T2:\n", T2)
# Subtract 1-D tensor from 2-D tensor
v = torch.sub(T1, T2)
print("Element-wise subtraction result:\n", v)输出
T1: tensor([[8., 7.], [4., 5.]]) T2: tensor([10., 5.]) Element-wise subtraction result: tensor([[-2., 2.], [-6., 0.]])
示例 3
以下程序演示如何从一维张量中减去二维张量。
# Python program to subtract 2D tensor from 1D tensor
# Import the library
import torch
# Create a 2D tensor
T1 = torch.Tensor([[1,2],[4,5]])
# Create a 1-D tensor
T2 = torch.Tensor([10, 5])
print("T1:\n", T1)
print("T2:\n", T2)
# Subtract 2-D tensor from 1-D tensor
v = torch.sub(T2, T1)
print("Element-wise subtraction result:\n", v)输出
T1: tensor([[1., 2.], [4., 5.]]) T2: tensor([10., 5.]) Element-wise subtraction result: tensor([[9., 3.], [6., 0.]])
您可以注意到最终张量是二维张量。
示例 4
以下程序演示如何从二维张量中减去二维张量。
# import the library
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)
# Subtract above two 2-D tensors
v = torch.sub(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([[ 8., 4.], [-1., -5.]])
更新于：2021年11月6日
4K+ 次浏览
广告