Pytorch - Sqrt

Wir werden die Quadratwurzel aller Elemente im Tensor mit der SQRT () -Methode in diesem Pytorch -Tutorial zurückgeben.

Pytorch ist ein Open-Source-Framework mit einer Python-Programmiersprache. Tensor ist ein mehrdimensionales Array, mit dem die Daten gespeichert werden. Um einen Tensor zu verwenden, müssen wir das Fackelmodul importieren. Um einen Tensor zu erstellen, ist die verwendete Methode Tensor ().

Syntax:

Fackel.Tensor (Daten)

Wobei die Daten ein mehrdimensionales Array sind.

Fackel.SQRT ()

SQRT () in Pytorch gibt die Quadratwurzel jedes Elements im Pytorch -Tensor zurück. Es braucht einen Parameter.

Syntax:

Fackel.SQRT (Tensor_Object)

Parameter:

Tensor_Object ist ein Tensor

Beispiel 1:

In diesem Beispiel werden wir einen Tensor mit einer Dimension erstellen, die über 5 Elemente verfügt und die quadratischen Wurzeln dieser 5 Elemente in einem Tensor zurückgeben.

#import Fackelmodul
Taschenlampe importieren
#create einen Tensor
Data1 = Fackel.Tensor ([12,34,56,1,10])
#Anzeige
print ("tatsächlicher Tensor:")
Druck (Daten1)
print ("Quadratwurzel:")
Druck (Taschenlampe.SQRT (Data1))

Ausgang:

Tatsächlicher Tensor:
Tensor ([12, 34, 56, 1, 10])
Quadratwurzel:
Tensor ([3).4641, 5.8310, 7.4833, 1.0000, 3.1623])

Arbeiten:

1. √12 = 3.4641
2. √34 = 5.8310
3. √56 = 7.4833
4. √1 = 1.0000
5. √10 = 3.1623

Beispiel 2:

In diesem Beispiel werden wir einen Tensor mit zwei Dimensionen erstellen, die 5 Elemente in jeder Reihe haben und die Quadratwurzel der Elemente zurückgeben.

#import Fackelmodul
Taschenlampe importieren
#create einen 2D -Tensor
Data1 = Fackel.Tensor ([[45,67,21,23,2], [2,3,4,5,6]])
#Anzeige
print ("tatsächlicher Tensor:")
Druck (Daten1)
print ("Quadratwurzel:")
Druck (Taschenlampe.SQRT (Data1))

Ausgang:

Tatsächlicher Tensor:
Tensor ([[45, 67, 21, 23, 2],
[2, 3, 4, 5, 6]]))
Quadratwurzel:
Tensor ([6).7082, 8.1854, 4.5826, 4.7958, 1.4142],
[1.4142, 1.7321, 2.0000, 2.2361, 2.4495]]))

Arbeiten:

1. √45 = 6.7082, √2 = 1.4142
2. √67 = 8.1854, √3 = 1.7321
3. √21 = 4.5826, √4 = 2.0000
4. √23 = 4.7958, √5 = 2.2361
5. √2 = 1.4142, √6 = 2.4495

Arbeiten Sie mit CPU

Wenn Sie eine SQRT () -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 diesmal 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 die quadratischen Wurzeln dieser 5 Elemente in einem Tensor zurückgeben.

#import Fackelmodul
Taschenlampe importieren
#create einen Tensor
Data1 = Fackel.Tensor ([12,34,56,1,10]).Zentralprozessor()
#Anzeige
print ("tatsächlicher Tensor:")
Druck (Daten1)
print ("Quadratwurzel:")
Druck (Taschenlampe.SQRT (Data1))

Ausgang:

Tatsächlicher Tensor:
Tensor ([12, 34, 56, 1, 10])
Quadratwurzel:
Tensor ([3).4641, 5.8310, 7.4833, 1.0000, 3.1623])

Arbeiten:

1. √12 = 3.4641
2. √34 = 5.8310
3. √56 = 7.4833
4. √1 = 1.0000
5. √10 = 3.1623

Beispiel 2:

In diesem Beispiel werden wir einen Tensor mit zwei Dimensionen erstellen, die 5 Elemente in der CPU in jeder Reihe haben und die Quadratwurzel der Elemente zurückgeben.

#import Fackelmodul
Taschenlampe importieren
#create einen 2D -Tensor
Data1 = Fackel.Tensor ([[45,67,21,23,2], [2,3,4,5,6]]).Zentralprozessor()
#Anzeige
print ("tatsächlicher Tensor:")
Druck (Daten1)
print ("Quadratwurzel:")
Druck (Taschenlampe.SQRT (Data1))

Ausgang:

Tatsächlicher Tensor:
Tensor ([[45, 67, 21, 23, 2],
[2, 3, 4, 5, 6]]))
Quadratwurzel:
Tensor ([6).7082, 8.1854, 4.5826, 4.7958, 1.4142],
[1.4142, 1.7321, 2.0000, 2.2361, 2.4495]]))

Arbeiten:

1. √45 = 6.7082, √2 = 1.4142
2. √67 = 8.1854, √3 = 1.7321
3. √21 = 4.5826, √4 = 2.0000
4. √23 = 4.7958, √5 = 2.2361
5. √2 = 1.4142, √6 = 2.4495

Abschluss

In dieser Pytorch -Lektion haben wir über die SQRT () -Funktion besprochen. Es gibt die quadratische Wurzel jedes Elements im Pytorch -Tensor zurück. Wir haben die beiden Beispiele mit den unterschiedlichen dimensionalen Tensoren besprochen, um die Funktion SQRT () auszuführen.