PyTorch – 如何计算张量的误差函数?


要计算张量的误差函数,我们使用 **torch.special.erf()** 方法。它返回一个包含已计算误差函数的新张量。它接受任何维度的torch张量。它也称为 **高斯误差函数**

步骤

我们可以使用以下步骤来逐元素计算张量的误差函数:

  • 导入所需的库。在以下所有示例中,所需的Python库是torch。确保您已安装它。

import torch
  • 定义一个torch张量。这里我们定义一个包含随机数的二维张量。

tensor = torch.randn(2,3,3)
  • 使用 **torch.special.erf(tensor)** 计算上面定义的张量的误差函数。可以选择将此值赋给一个新的变量。

err = torch.special.erf(tensor)
  • 打印计算出的误差函数。

print("Entropy:", err)

示例1

在这个例子中,我们计算一维张量的误差函数。

# import necessary libraries
import torch

# define a 1D tensor
tensor1 = torch.tensor([-1,2,3,4,5])

# print above created tensor
print("Tensor:", tensor1)

# compute the error function of the tensor
err = torch.special.erf(tensor1)

# Display the computed error function
print("Error :", err)

输出

Tensor: tensor([-1.0000, 1.0000, 3.0000, 0.0000, 0.5000])
Error : tensor([-0.8427, 0.8427, 1.0000, 0.0000, 0.5205])

示例2

在这个例子中,我们计算二维张量的误差函数

# import necessary libraries
import torch

# define a tensor of random numbers
tensor1 = torch.randn(2,3,3)

# print above created tensor
print("Tensor:
", tensor1) # compute the error function of the tensor err = torch.special.erf(tensor1) # Display the computed error function print("Error:
", err)

输出

Tensor:
   tensor([[[-1.0724, 0.3955, -0.3472],
      [-0.7336, -0.8110, 1.2624],
      [ 0.2334, -0.9200, -0.9879]],

      [[ 0.8636, 0.3452, -0.4742],
      [-0.6868, 0.8436, -0.4195],
      [ 1.0410, -0.4681, 1.6284]]])
Error:
   tensor([[[-0.8706, 0.4241, -0.3766],
      [-0.7005, -0.7486, 0.9258],
      [ 0.2586, -0.8068, -0.8376]],

      [[ 0.7780, 0.3746, -0.4975],
      [-0.6686, 0.7671, -0.4470],
      [ 0.8590, -0.4921, 0.9787]]])

更新于: 2022年1月7日

325 次浏览

启动您的 职业生涯

通过完成课程获得认证

开始
广告