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]]])
广告