Pytorch - Any

Pytorch - Any
„In diesem Pytorch -Tutorial werden wir überprüfen.

Pytorch ist ein Open-Source-Framework mit einer Python-Programmiersprache.

Ein Tensor ist ein mehrdimensionales Array, mit dem die Daten gespeichert werden. Für die Verwendung eines Tensors müssen wir das Fackelmodul importieren.

Um einen Tensor zu erstellen, ist die verwendete Methode Tensor () ““

Syntax:

Fackel.Tensor (Daten)

Wobei Daten ein mehrdimensionales Array sind.

Fackel.beliebig()

Fackel.Any () in Pytorch gibt true zurück, wenn mindestens ein Element in einem Tensor nicht gleich 0 oder falsch ist. Wenn alle Werte in einem Tensor gleich 0 oder falsch sind, gibt es falsch zurück.

Es braucht einen Parameter.

Syntax:

Fackel.IsReal (Tensor_Object)

Parameter:

Tensor_Object ist ein Tensor.

Beispiel 1

In diesem Beispiel erstellen wir einen Tensor mit einer Dimension mit 5 Elementen und wenden jede () -Funktion an, um die Funktionalität zu überprüfen.

#First importieren Sie das Fackelmodul
Taschenlampe importieren
#create einen 1D -Tensor
Data1 = Fackel.Tensor ([2,3,0,3,4])
#Anzeige
print ("tatsächliche Elemente im Tensor:")
Druck (Daten1)
drucken ("eines der Elemente in einem Tensor, das nicht gleich 0 ist? "))
#Any () in Pytorch
Druck (Taschenlampe.Alle (Daten1))

Ausgang:

Tatsächliche Elemente im Tensor:
Tensor ([2, 3, 0, 3, 4])
Sind eines der Elemente in einem Tensor nicht gleich 0?
Tensor (wahr)

Hier finden wir im Tensor 2,3,3 und 4 nicht Null-Elemente, die vorhanden sind. Also gab jeder () wahr zurück.

Beispiel 2

In diesem Beispiel werden wir einen Tensor mit einer Dimension erstellen, die über 5 Elemente verfügt, und eine beliebige () -Funktion anwenden, um die Funktionalität zu überprüfen.

#First importieren Sie das Fackelmodul
Taschenlampe importieren
#create einen 1D -Tensor
Data1 = Fackel.Tensor ([0,0,0,0,0])
#Anzeige
print ("tatsächliche Elemente im Tensor:")
Druck (Daten1)
drucken ("eines der Elemente in einem Tensor, das nicht gleich 0 ist? "))
#Any () in Pytorch
Druck (Taschenlampe.Alle (Daten1))

Ausgang:

Tatsächliche Elemente im Tensor:
Tensor ([0, 0, 0, 0, 0])
Sind eines der Elemente in einem Tensor nicht gleich 0?
Tensor (falsch)

Hier finden wir alle null Elemente im Tensor. Also gab jeder () falsch zurück.

Beispiel 3

In diesem Beispiel werden wir einen Tensor mit einer Dimension erstellen, die über 5 booleale Elemente verfügt, und eine beliebige () -Funktion anwenden, um die Funktionalität zu überprüfen.

#First importieren Sie das Fackelmodul
Taschenlampe importieren
#create einen 1D -Tensor
Data1 = Fackel.Tensor ([wahr, falsch, falsch, falsch, falsch])
#Anzeige
print ("tatsächliche Elemente im Tensor:")
Druck (Daten1)
drucken ("eines der Elemente in einem Tensor, der nicht gleich falsch ist? "))
#Any () in Pytorch
Druck (Taschenlampe.Alle (Daten1))

Ausgang:

Tatsächliche Elemente im Tensor:
Tensor ([wahr, falsch, falsch, falsch, falsch])
Sind eines der Elemente in einem Tensor nicht gleich falsch?
Tensor (wahr)

Hier finden wir mindestens einen True im Tensor. Also kehrte die beliebigen () wahr zurück.

Arbeiten Sie mit CPU

Wenn Sie eine () -Funktion auf der CPU ausführen möchten, müssen wir einen Tensor mit einer CPU () -Funktion erstellen. Dies wird auf einer CPU -Maschine ausgeführt.

Wenn wir einen Tensor erstellen, können wir zu diesem Zeitpunkt die Funktion cpu () verwenden.

Syntax:

Fackel.Tensor (Daten).Zentralprozessor()

Beispiel 1

In diesem Beispiel werden wir einen Tensor mit einer Dimension erstellen, die 5 Elemente auf der CPU enthält und eine beliebige () Funktion anwendet, um die Funktionalität zu überprüfen.

#First importieren Sie das Fackelmodul
Taschenlampe importieren
#create einen 1D -Tensor
Data1 = Fackel.Tensor ([2,3,0,3,4]).Zentralprozessor()
#Anzeige
print ("tatsächliche Elemente im Tensor:")
Druck (Daten1)
drucken ("eines der Elemente in einem Tensor, das nicht gleich 0 ist? "))
#Any () in Pytorch
Druck (Taschenlampe.Alle (Daten1))

Ausgang:

Tatsächliche Elemente im Tensor:
Tensor ([2, 3, 0, 3, 4])
Sind eines der Elemente in einem Tensor nicht gleich 0?
Tensor (wahr)

Hier finden wir im Tensor 2,3,3 und 4 nicht Null-Elemente, die vorhanden sind. Also gab jeder () wahr zurück.

Beispiel 2

In diesem Beispiel werden wir einen Tensor mit einer Dimension erstellen, die 5 Elemente auf der CPU enthält und eine beliebige () Funktion anwendet, um die Funktionalität zu überprüfen.

#First importieren Sie das Fackelmodul
Taschenlampe importieren
#create einen 1D -Tensor
Data1 = Fackel.Tensor ([0,0,0,0,0]).Zentralprozessor()
#Anzeige
print ("tatsächliche Elemente im Tensor:")
Druck (Daten1)
drucken ("eines der Elemente in einem Tensor, das nicht gleich 0 ist? "))
#Any () in Pytorch
Druck (Taschenlampe.Alle (Daten1))

Ausgang:

Tatsächliche Elemente im Tensor:
Tensor ([0, 0, 0, 0, 0])
Sind eines der Elemente in einem Tensor nicht gleich 0?
Tensor (falsch)

Hier finden wir alle null Elemente im Tensor. Also gab jeder () falsch zurück.

Beispiel 3

In diesem Beispiel erstellen wir einen Tensor mit einer Dimension mit 5 booleschen Elementen auf der CPU und wenden jede () Funktion an, um die Funktionalität zu überprüfen.

#First importieren Sie das Fackelmodul
Taschenlampe importieren
#create einen 1D -Tensor
Data1 = Fackel.Tensor ([wahr, falsch, falsch, falsch, falsch]).Zentralprozessor()
#Anzeige
print ("tatsächliche Elemente im Tensor:")
Druck (Daten1)
drucken ("eines der Elemente in einem Tensor, der nicht gleich falsch ist? "))
#Any () in Pytorch
Druck (Taschenlampe.Alle (Daten1))

Ausgang:

Tatsächliche Elemente im Tensor:
Tensor ([wahr, falsch, falsch, falsch, falsch])
Sind eines der Elemente in einem Tensor nicht gleich falsch?
Tensor (wahr)

Hier finden wir mindestens einen True im Tensor. Also kehrte die beliebigen () wahr zurück.

Abschluss

In dieser Pytorch -Lektion haben wir jede () Funktion besprochen. Es gibt wahr zurück, wenn mindestens ein Element in einem Tensor nicht gleich 0 oder falsch ist. Wenn alle Werte in einem Tensor gleich 0 oder falsch sind, gibt es falsch zurück. Wir haben 3 verschiedene Beispiele gesehen und auch an diesen Beispielen auf einer CPU -Maschine gearbeitet.