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
法学PyTorch – 如何计算张量的逐元素逻辑异或？
**torch.logical_xor()** 计算给定的两个输入张量的逐元素逻辑异或。在张量中，值为零的元素被视为 False，非零元素被视为 True。它接受两个张量作为输入参数，并返回计算逻辑异或后的值组成的张量。
语法
torch.logical_xor(tensor1, tensor2)
其中 **tensor1** 和 **tensor2** 是两个输入张量。
步骤
要计算给定输入张量的逐元素逻辑异或，可以按照以下步骤操作：
导入 **torch** 库。确保你已经安装了它。
创建两个张量，**tensor1** 和 **tensor2**，并打印这些张量。
计算 **torch.logical_xor(tensor1, tensor2)** 并将值赋给一个变量。
执行逐元素逻辑异或运算后，打印最终结果。
示例 1
# import torch library
import torch
# define two Boolean tensors
tensor1 = torch.tensor([True, True, True, False, False])
tensor2 = torch.tensor([True, False, False, True, True])
# display the defined tensors
print("Tensor 1:
", tensor1)
print("Tensor 2:
", tensor2)
# compute XOR of tensor1 and tensor2 and display
tensor_xor = torch.logical_xor(tensor1, tensor2)
print("XOR result:
", tensor_xor)输出
Tensor 1: tensor([ True, True, True, False, False]) Tensor 2: tensor([ True, False, False, True, True]) XOR result: tensor([False, True, True, True, True])
示例 2
# import torch library
import torch
# define two tensors
tensor1 = torch.tensor([True, True, True, False, False])
tensor2 = torch.tensor([1, 0, 123, 23, -12])
# display the defined tensors
print("Tensor 1:
", tensor1)
print("Tensor 2:
", tensor2)
# compute XOR of tensor1 and tensor2 and display
tensor_xor = torch.logical_xor(tensor1, tensor2)
print("XOR result:
", tensor_xor)输出
Tensor 1: tensor([ True, True, True, False, False]) Tensor 2: tensor([ 1, 0, 123, 23, -12]) XOR result: tensor([False, True, False, True, True])
示例 3
# import torch library
import torch
# define two tensors
tensor1 = torch.tensor([12, 3, 11, 21, -12])
tensor2 = torch.tensor([1, 0, 123, 0, -2])
# display the defined tensors
print("Tensor 1:
", tensor1)
print("Tensor 2:
", tensor2)
# compute XOR of tensor1 and tensor2 and display
tensor_xor = torch.logical_xor(tensor1, tensor2)
print("XOR result:
", tensor_xor)输出
Tensor 1: tensor([ 12, 3, 11, 21, -12]) Tensor 2: tensor([ 1, 0, 123, 0, -2]) XOR result: tensor([False, True, False, True, False])
更新于：2021年12月6日
439 次浏览
广告