◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。
PyTorch 中的正方形
ID:22113 / 打印
请我喝杯咖啡☕
本文将介绍 PyTorch 中的 square() 函数，该函数用于计算张量中每个元素的平方。
square() 函数详解
square() 函数可以对 0 维或多维张量中的每个元素进行平方运算。其使用方法灵活，既可以直接作用于张量对象，也可以作为 torch 模块中的一个函数使用。
参数:
- input (Tensor): 输入张量，可以是整数、浮点数、复数或布尔类型的张量。这是必需参数。
- out (Tensor, 可选): 输出张量。如果指定了 out 参数，则结果将写入到 out 指定的张量中。
使用方法示例:
以下代码展示了 square() 函数在不同类型和维度张量上的应用：
import torch # 一维张量 my_tensor = torch.tensor([-3, 1, -2, 3, 5, -5, 0, -4]) result = torch.square(input=my_tensor) # 使用 torch.square() 函数 print(result) # tensor([9, 1, 4, 9, 25, 25, 0, 16]) print(my_tensor.square()) # 直接调用张量对象的square()方法 # 二维张量 my_tensor = torch.tensor([[-3, 1, -2, 3], [5, -5, 0, -4]]) result = torch.square(input=my_tensor) print(result) # tensor([[9, 1, 4, 9], # [25, 25, 0, 16]]) # 三维张量 my_tensor = torch.tensor([[[-3., 1.], [-2., 3.]], [[5., -5.], [0., -4.]]]) result = torch.square(input=my_tensor) print(result) # tensor([[[9., 1.], [4., 9.]], # [[25., 25.], [0., 16.]]]) # 复数张量 my_tensor = torch.tensor([[[-3.+0.j, 1.+0.j], [-2.+0.j, 3.+0.j]], [[5.+0.j, -5.+0.j], [0.+0.j, -4.+0.j]]]) result = torch.square(input=my_tensor) print(result) # tensor([[[9.-0.j, 1.+0.j], [4.-0.j, 9.+0.j]], # [[25.+0.j, 25.-0.j], [0.+0.j, 16.-0.j]]]) # 布尔张量 my_tensor = torch.tensor([[[True, False], [True, False]], [[False, True], [False, True]]]) result = torch.square(input=my_tensor) print(result) # tensor([[[1, 0], [1, 0]], # [[0, 1], [0, 1]]]) # 使用out参数 out_tensor = torch.zeros_like(my_tensor) torch.square(input=my_tensor, out=out_tensor) print(out_tensor)
总结
square() 函数是 PyTorch 中一个简洁而强大的函数，它能够高效地计算张量中每个元素的平方，并且支持多种数据类型。 其灵活的使用方式使其在各种深度学习任务中都非常实用。
