pytorch 的 remnder() 函数详解：高效进行模运算
本文将详细介绍 PyTorch 中 remainder() 函数的用法，它可以对张量或标量进行高效的模运算（求余数）。 一杯咖啡☕已备好，请享用！
remainder() 函数能够对两个张量或一个张量和一个标量进行逐元素的模运算，返回结果张量与输入张量形状一致。
函数参数:
- input (Tensor or scalar): 输入张量或标量 (int 或 float 类型)。如果使用 torch 函数调用，则 input 为必需参数，且标量必须使用 input= 关键字参数指定。
- other (Tensor or scalar): 另一个输入张量或标量 (int 或 float 类型)。 必需参数。
- out (Tensor, optional): 输出张量。可选参数，用于指定输出张量的存储位置。
使用示例:
以下代码示例展示了 remainder() 函数在不同输入类型下的使用方法：
import torch # 整数张量 tensor1 = torch.tensor([9, 7, 6]) tensor2 = torch.tensor([[4, -4, 3], [-2, 5, -5]]) result1 = torch.remainder(input=tensor1, other=tensor2) # 使用关键字参数指定 input result2 = tensor1.remainder(other=tensor2) # 使用方法调用 print(f"Result 1: {result1} ") print(f"Result 2: {result2} ") result3 = torch.remainder(9, other=tensor2) # 标量与张量运算 print(f"Result 3: {result3} ") result4 = torch.remainder(input=tensor1, other=4) # 张量与标量运算 print(f"Result 4: {result4} ") # 负数整数张量 tensor1 = torch.tensor([-9, -7, -6]) tensor2 = torch.tensor([[4, -4, 3], [-2, 5, -5]]) result5 = torch.remainder(input=tensor1, other=tensor2) print(f"Result 5: {result5} ") result6 = torch.remainder(-9, other=tensor2) print(f"Result 6: {result6} ") result7 = torch.remainder(input=tensor1, other=4) print(f"Result 7: {result7} ") # 浮点数张量 tensor1 = torch.tensor([9.75, 7.08, 6.26]) tensor2 = torch.tensor([[4.26, -4.54, 3.37], [-2.16, 5.43, -5.98]]) result8 = torch.remainder(input=tensor1, other=tensor2) print(f"Result 8: {result8} ") result9 = torch.remainder(9.75, other=tensor2) print(f"Result 9: {result9} ") result10 = torch.remainder(input=tensor1, other=4.26) print(f"Result 10: {result10} ")
登录后复制
重要说明:
- other 参数不能为 0，否则会引发 ZeroDivisionError。
- 不能同时使用标量作为 input 和 other 参数。
- 结果张量的符号与 other 参数的符号相同。
以上就是PyTorch 中的余数的详细内容，更多请关注php中文网其它相关文章！
微信扫一扫打赏
支付宝扫一扫打赏
