统计属性
import torch
a = torch.full([8],1)
a
b=a.view(2,4)
b
c=a.view(2,2,2)
c
a.norm(1)#会报错不是long，标准差
此时修改：a = torch.full([8],1.0)就可以了
b.norm(1)#标准 求L1范数(所有元素绝对值求和)
c.norm(1)
结果:
a.norm(2)求L2范数（所有元素的平方和再开根号）
b.norm(2)
c.norm(2)
b.norm(1,dim=1)#标准差
b.norm(2,dim=1)#标准差
c.norm(1,dim=0)
c.norm(2,dim=0)
结果:
a=torch.arrange(8).view(2,4).float()
a.min()
a.max()
a.mean()
a.prod()
a.argmax()#返回输入张量中指定维度的最大值索引
a.argmin()
结果:
a=torch.rand(2,3,4)
a.argmax()#最大值的下标
a.argmax(dim=1)#将(2,3,4)去掉第2个维度，生成一个(2,4)的矩阵
看https://www.cnblogs.com/findlj/p/15040829.html讲解
a.max()
a.max(dim=1)#指定维度
a.max(dim=1,keepdim=True)
a.argmax(dim=1,keepdim=True)
结果:
a.topk(3)#概率最大的三个类别
a.topk(3,dim=1)
a.topk(3,dim=1,largest=False)#求最小概率的3个类别
结果:
a.kthvalue(1)#求第一小概率的类别(一共10个那就是第1大)
a.kthvalue(3)#求第一小概率的类别(一共10个那就是第3大)
a.kthvalue(3,dim=1)
结果:
a>0#时效内矩阵的对比
torch.gt(a,0)
a!=0
torch.eq(a,0)#相等
结果:
torch.equal(a,0)#这个会出错，不是int型
torch.equal(a,a)#得改成这个因为a是张量，需要一致