day14 其他操作 入门 一起学 PyTorch吧，PyTorch从入门开始 每天都更新 超详细 参数 常用方法 简单案列 共同学习，共同进步 坚持

torch . cross( input , other, dim =-1 , out = None ) --> Tensor 返回沿着维度dim上,两个张量input和other的向量积（叉积）。input和other必须有相同的形状，且指定的dim维上size必须为3。如果不指定dim，则默认为第一个尺度为3的维。 参数：         -- input (Tensor) ：输入张量         --other (Tensor) ：第二个输入张量         --dim (int, optional) ：沿着此维进行叉积操作 例子：

>>> a = torch.randn(4, 3)
>>> a
-0.6652 -1.0116 -0.6857
0.2286 0.4446 -0.5272
0.0476 0.2321 1.9991
0.6199 1.1924 -0.9397
[torch.FloatTensor of size 4x3]

>>> b = torch.randn(4, 3)
>>> b
-0.1042 -1.1156 0.1947
0.9947 0.1149 0.4701
-1.0108 0.8319 -0.0750
0.9045 -1.3754 1.0976
[torch.FloatTensor of size 4x3]

>>> torch.cross(a, b, dim=1)
-0.9619 0.2009 0.6367
0.2696 -0.6318 -0.4160
-1.6805 -2.0171 0.2741
0.0163 -1.5304 -1.9311
[torch.FloatTensor of size 4x3]

>>> torch.cross(a, b)
-0.9619 0.2009 0.6367
0.2696 -0.6318 -0.4160
-1.6805 -2.0171 0.2741
0.0163 -1.5304 -1.9311
[torch.FloatTensor of size 4x3]

torch . diag( input , diagonal =0 , out = None ) --> Tensor 如果输入是一个向量（1D张量），则返回一个以input为对角线元素的2D方阵如果输入是一个矩阵（2D张量），则返回一个包含input对角线元素的1D张量 参数diagonal指定对角线:  – diagonal = 0, 主对角线   – diagonal > 0, 主对角线之上  – diagonal < 0, 主对角线之下 参数：         -- input (Tensor) ：输入张量         --diagonal (int, optional) ：指定对角线         --out (Tensor, optional)：输出张量 例子： 取得以input为对角线的方阵：

>>> a = torch.randn(3)
>>> a
1.0480
-2.3405
-1.1138
[torch.FloatTensor of size 3]

>>> torch.diag(a)
1.0480 0.0000 0.0000
0.0000 -2.3405 0.0000
0.0000 0.0000 -1.1138
[torch.FloatTensor of size 3x3]

>>> torch.diag(a, 1)
0.0000 1.0480 0.0000 0.0000
0.0000 0.0000 -2.3405 0.0000
0.0000 0.0000 0.0000 -1.1138
0.0000 0.0000 0.0000 0.0000
[torch.FloatTensor of size 4x4]

取得给定矩阵第k个对角线：

>>> a = torch.randn(3, 3)
>>> a
-1.5328 -1.3210 -1.5204
0.8596 0.0471 -0.2239
-0.6617 0.0146 -1.0817
[torch.FloatTensor of size 3x3]

>>> torch.diag(a, 0)
-1.5328
0.0471
-1.0817
[torch.FloatTensor of size 3]

>>> torch.diag(a, 1)
-1.3210
-0.2239
[torch.FloatTensor of size 2]

torch . histc( input , bins =100 , min =0 , max =0 , out = None ) --> Tensor 计算输入张量的直方图。以min和max为range边界，将其均分成bins个直条，然后将排序好的数据划分到各个直条(bins)中。如果min和max都为0，则利用数据中的最大最小值作为边界。 参数：         --input (Tensor) ：输入张量         --bins (int) ：直方图 bins( 直条 ) 的个数 ( 默认 100 个 )         --min (int) ： range 的下边界 ( 包含 )         -- max (int) ： range 的上边界 ( 包含 )         --out (Tensor, optional)：结果张量 返回：直方图 返回类型：张量 例子：

>>> torch.histc(torch.FloatTensor([1, 2, 1]), bins=4,
min=0, max=3) , →
FloatTensor([0, 2, 1, 0])

torch . renorm( input , p, dim, maxnorm, out = None ) --> Tensor 返回一个张量，包含规范化后的各个子张量，使得沿着dim维划分的各子张量的p范数小于maxnorm。 注意 如果p范数的值小于maxnorm，则当前子张量不需要修改。 参数：         -- input (Tensor) ：输入张量         --p (float)：范数的 p         -- dim (int) ：沿着此维切片，得到张量子集         --maxnorm (float) ：每个子张量的范数的最大值         -- out (Tensor, optional) ：结果张量 例子：

>>> x = torch.ones(3, 3)
>>> x[1].fill_(2)
>>> x[2].fill_(3)
>>> x
1 1 1 
2 2 2 
3 3 3 
[torch.FloatTensor of size 3x3]

>>> torch.renorm(x, 1, 0, 5)
1.0000 1.0000 1.0000
1.6667 1.6667 1.6667
1.6667 1.6667 1.6667
[torch.FloatTensor of size 3x3]

torch . trace( input ) --> float 返回输入 2 维矩阵对角线元素的和 ( 迹 ) 例子：

>>> x = torch.arange(1, 10).view(3, 3)
>>> x
1 2 3 
4 5 6 
7 8 9 
[torch.FloatTensor of size 3x3]
>>> torch.trace(x)
15.0

torch . tril( input , k =0 , out = None ) --> Tensor 返回一个张量out，包含输入矩阵（2D张量）的下三角部分，out其余部分被设为0。这里所说的下三角部分为矩阵指定对角线diagonal之上的元素。 参数k控制对角线：-k=0，主对角线 -k>0，主对角线之上 -k<0,主对角线之下。 参数：         --input (Tensor) ：输入张量         --k (int, optional)：指定对角线         -- out (Tensor, optional) ：输出张量 例子：

>>> a = torch.randn(3,3)
>>> a
1.3225 1.7304 1.4573
-0.3052 -0.3111 -0.1809
1.2469 0.0064 -1.6250
[torch.FloatTensor of size 3x3]

>>> torch.tril(a)
1.3225 0.0000 0.0000
-0.3052 -0.3111 0.0000
1.2469 0.0064 -1.6250
[torch.FloatTensor of size 3x3]

>>> torch.tril(a, k=1)
1.3225 1.7304 0.0000
-0.3052 -0.3111 -0.1809
1.2469 0.0064 -1.6250
[torch.FloatTensor of size 3x3]

>>> torch.tril(a, k=-1)
0.0000 0.0000 0.0000
-0.3052 0.0000 0.0000
1.2469 0.0064 0.0000
[torch.FloatTensor of size 3x3]

torch . triu( input , k =0 , out = None ) --> Tensor 返回一个张量，包含输入矩阵(2D张量)的上三角部分，其余部分被设为0.这里所说的上三角部分为矩阵指定对角线diagonal之上的元素。 参数k控制对角线：-k=0，主对角线 -k>0,主对线之上 -k<0 主对线之下 参数：         --input (Tensor)：输入张量         -- k (int, optional) ：指定对角线         --out (Tensor, optional) ：输出张量 例子：

>>> a = torch.randn(3,3)
>>> a
1.3225 1.7304 1.4573
-0.3052 -0.3111 -0.1809
1.2469 0.0064 -1.6250
[torch.FloatTensor of size 3x3]

>>> torch.triu(a)
1.3225 1.7304 1.4573
0.0000 -0.3111 -0.1809
0.0000 0.0000 -1.6250
[torch.FloatTensor of size 3x3]

>>> torch.triu(a, k=1)
0.0000 1.7304 1.4573
0.0000 0.0000 -0.1809
0.0000 0.0000 0.0000
[torch.FloatTensor of size 3x3]

>>> torch.triu(a, k=-1)
1.3225 1.7304 1.4573
-0.3052 -0.3111 -0.1809
0.0000 0.0064 -1.6250
[torch.FloatTensor of size 3x3]