pytorch(python)中遇到的问题(一)pow() 函数、python矩阵的切片,append()与expand(),tensor.expand()和tensor.expand_as()

本文主要是介绍pytorch(python)中遇到的问题(一)pow() 函数、python矩阵的切片,append()与expand(),tensor.expand()和tensor.expand_as(),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

    • 1、pow() 函数
    • 2.python矩阵的切片(或截取)
    • 3.Python.append()与Python.expand()
    • 4.tensor.expand()和tensor.expand_as()和expand() .gt() .t()

1、pow() 函数

pow() 方法返回 xy(x的y次方) 的值。

  1. 语法
    以下是 math 模块 pow() 方法的语法:
import math
math.pow( x, y )

内置的 pow() 方法

pow(x, y[, z])函数是计算x的y次方,如果z在存在,则再对结果进行取模,其结果等效于pow(x,y) %z
参数
x -- 数值表达式。
y -- 数值表达式。
z -- 数值表达式。

注意:pow() 通过内置的方法直接调用,内置方法会把参数作为整型,而 math 模块则会把参数转换为 float。

import math   # 导入 math 模块
print "math.pow(100, 2) : ", math.pow(100, 2)
结果:math.pow(100, 2) :  10000.0
# 使用内置,查看输出结果区别
print "pow(100, 2) : ", pow(100, 2)结果:pow(100, 2) :  10000print "math.pow(100, -2) : ", math.pow(100, -2)
print "math.pow(2, 4) : ", math.pow(2, 4)
print "math.pow(3, 0) : ", math.pow(3, 0)
以上实例运行后输出结果为:
math.pow(100, -2) :  0.0001
math.pow(2, 4) :  16.0
math.pow(3, 0) :  1.0

说明
1 pow(x,y) 等价于 x**y:

4**2    # 结果为164**2.5  # 结果为32.0pow(x,y,z) 等价于 X**Y%Z:4**2.5%3  # 结果为2.0

2.pow(x,y,z) 当 z 这个参数不存在时 x,y 不限制是否为 float 类型, 而当使用第三个参数的时候要保证前两个参数只能为整数

 pow(11.2,3.2)
结果为:2277.7060352240815
pow(11.2,3.2,2)   # 结果报错
Traceback (most recent call last):File "<stdin>", line 1, in <module>
TypeError: pow() 3rd argument not allowed unless all arguments are integers

2.python矩阵的切片(或截取)

矩阵一般有行也有列,所以矩阵的截取也需要包含行和列两个参数。
  假设a是一个矩阵,a的截取就可写成:a[起始行:终止行,起始列:终止列],中括号中有一个逗号,逗号前的是为了分割行的,逗号后的是为了分割列的。例如:

a1=np.array([[1,2,3,4],[5,6,7,8],[11,12,13,14],[2,3,4,5]])
import numpy as np
a1=np.array([[1,2,3,4],[5,6,7,8],[11,12,13,14],[2,3,4,5]])
print('截取矩阵第二三行,第二、三列:\n',a1[1:3,1:3])结果为:
截取矩阵第二三行,第二、三列:[[ 6  7][12 13]]

如果只分割行,不分隔列,可写为:a[1:3],分割列的部分可以省略,代码如下:

print('截取矩阵第二三行:\n',a1[1:3])打印结果如下:
截取矩阵第二三行:[[ 5  6  7  8][11 12 13 14]]

如果只分割列,不分隔行,可写为:a[:,1:3],分割行的部分不可以省略,代码如下:

print('截取矩阵第二三列:\n',a1[:,1:3])打印结果如下:截取矩阵第二三列:[[ 2  3][ 6  7][12 13][ 3  4]]

如果只分割某一行,可写为: a [2] (截取第三行)

print('截取矩阵第三行:\n',a1[2])
打印结果:
截取矩阵第三行:[11 12 13 14]

如果分割某一列,可写为:a [:,2] (截取所有行的第三列)(逗号前边用于截取行的冒号不可省略),其结果是将所有行的第三个数拼接成一个列表

print('截取矩阵第三行:\n',a1[:,2]) 
打印结果:
截取矩阵所有行第三列:[ 3  7 13  4]

如果分割某行某列,可写为:a[2,2](截取第三行的第三列)

print('截取矩阵第三行第三列:\n',a1[2,2])
打印结果:
截取矩阵第三行第三列:

3.Python.append()与Python.expand()

a=[1,2]
print(a)
结果:[1, 2]
a.append([3,4])
print(a)
结果为:[1, 2, [3, 4]]
a.extend([3,4]) 
print(a)
结果为:[1, 2, 3, 4]

list.append(arg1) 参数类型任意,可以往已有列表中添加元素,若添加的是列表,就该列表被当成一个元素存在原列表中,只使list长度增加1.
list.extend(list1) 参数必须是列表类型,可以将参数中的列表合并到原列表的末尾,使原来的 list长度增加len(list1)。

4.tensor.expand()和tensor.expand_as()和expand() .gt() .t()

  1. tensor.expend()函数
 x = torch.Tensor([[1], [2], [3]])print "x.size():",x.size()y=x.expand( 3,4 )print "x.size():",x.size()print "y.size():",y.size()print xprint y

在这里插入图片描述
可以看出expand()函数括号里面为变形后的size大小,而且原来的tensor和tensor.expand()是不共享内存的

  1. tensor.expand_as()
    把一个tensor变成和函数括号内一样形状的tensor,用法与expand()类似
x = torch.tensor([[1], [2], [3]])
>>> x.size()
torch.Size([3, 1])
>>> x.expand(3, 4)
tensor([[ 1,  1,  1,  1],[ 2,  2,  2,  2],[ 3,  3,  3,  3]])
>>> x.expand(-1, 4)   # -1 means not changing the size of that dimension
tensor([[ 1,  1,  1,  1],[ 2,  2,  2,  2],[ 3,  3,  3,  3]])
  1. expand() .gt() .t()
    .gt(a, b)
    比较前者张量是否大于后者

a = torch.Tensor([[1,2],[3,4]])
b = torch.Tensor([[1,2], [5,6]])
gt = torch.gt(a, b)
print(gt)

.t() 代表转置操作

参考:https://www.runoob.com/python/func-number-pow.html
https://www.cnblogs.com/jff1124/p/10623599.html
https://blog.csdn.net/sdd220/article/details/78315648
https://blog.csdn.net/u014386899/article/details/100767325

这篇关于pytorch(python)中遇到的问题(一)pow() 函数、python矩阵的切片,append()与expand(),tensor.expand()和tensor.expand_as()的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/556806

相关文章

Python远程控制MySQL的完整指南

《Python远程控制MySQL的完整指南》MySQL是最流行的关系型数据库之一,Python通过多种方式可以与MySQL进行交互,下面小编就为大家详细介绍一下Python操作MySQL的常用方法和最... 目录1. 准备工作2. 连接mysql数据库使用mysql-connector使用PyMySQL3.

使用Python实现base64字符串与图片互转的详细步骤

《使用Python实现base64字符串与图片互转的详细步骤》要将一个Base64编码的字符串转换为图片文件并保存下来,可以使用Python的base64模块来实现,这一过程包括解码Base64字符串... 目录1. 图片编码为 Base64 字符串2. Base64 字符串解码为图片文件3. 示例使用注意

使用Python实现获取屏幕像素颜色值

《使用Python实现获取屏幕像素颜色值》这篇文章主要为大家详细介绍了如何使用Python实现获取屏幕像素颜色值,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 一、一个小工具,按住F10键,颜色值会跟着显示。完整代码import tkinter as tkimport pyau

python编写朋克风格的天气查询程序

《python编写朋克风格的天气查询程序》这篇文章主要为大家详细介绍了一个基于Python的桌面应用程序,使用了tkinter库来创建图形用户界面并通过requests库调用Open-MeteoAPI... 目录工具介绍工具使用说明python脚本内容如何运行脚本工具介绍这个天气查询工具是一个基于 Pyt

Java中JSON格式反序列化为Map且保证存取顺序一致的问题

《Java中JSON格式反序列化为Map且保证存取顺序一致的问题》:本文主要介绍Java中JSON格式反序列化为Map且保证存取顺序一致的问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未... 目录背景问题解决方法总结背景做项目涉及两个微服务之间传数据时,需要提供方将Map类型的数据序列化为co

Python FastMCP构建MCP服务端与客户端的详细步骤

《PythonFastMCP构建MCP服务端与客户端的详细步骤》MCP(Multi-ClientProtocol)是一种用于构建可扩展服务的通信协议框架,本文将使用FastMCP搭建一个支持St... 目录简介环境准备服务端实现(server.py)客户端实现(client.py)运行效果扩展方向常见问题结

详解如何使用Python构建从数据到文档的自动化工作流

《详解如何使用Python构建从数据到文档的自动化工作流》这篇文章将通过真实工作场景拆解,为大家展示如何用Python构建自动化工作流,让工具代替人力完成这些数字苦力活,感兴趣的小伙伴可以跟随小编一起... 目录一、Excel处理:从数据搬运工到智能分析师二、PDF处理:文档工厂的智能生产线三、邮件自动化:

Python实现自动化Word文档样式复制与内容生成

《Python实现自动化Word文档样式复制与内容生成》在办公自动化领域,高效处理Word文档的样式和内容复制是一个常见需求,本文将展示如何利用Python的python-docx库实现... 目录一、为什么需要自动化 Word 文档处理二、核心功能实现:样式与表格的深度复制1. 表格复制(含样式与内容)2

python获取cmd环境变量值的实现代码

《python获取cmd环境变量值的实现代码》:本文主要介绍在Python中获取命令行(cmd)环境变量的值,可以使用标准库中的os模块,需要的朋友可以参考下... 前言全局说明在执行py过程中,总要使用到系统环境变量一、说明1.1 环境:Windows 11 家庭版 24H2 26100.4061

Python中文件读取操作漏洞深度解析与防护指南

《Python中文件读取操作漏洞深度解析与防护指南》在Web应用开发中,文件操作是最基础也最危险的功能之一,这篇文章将全面剖析Python环境中常见的文件读取漏洞类型,成因及防护方案,感兴趣的小伙伴可... 目录引言一、静态资源处理中的路径穿越漏洞1.1 典型漏洞场景1.2 os.path.join()的陷