数据结构
网络
关系型数据库管理系统 (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
服装学
法学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
广告