PyTorch 中的接近和相等

DDD

发布时间：2024-11-05 08:42:17

897人浏览过

来源于dev.to

转载

pytorch 中的接近和相等

请我喝杯咖啡☕

*备忘录：

海外代购系统源码

该软件是一个以asp+access进行开发的代购企业网站源码。代购优势：随着经济全球化与互联网的发展，带动了许多新新行业，也不缺少成功的案例，淘宝只是其中的一个。而在物流行业中，像代购网站和转运网站都是非常有发展潜力的，消费者可以通过代购网站买到在国内买不到的东西，并且价格也会相对便宜，这些都是代购的优势。代购方式包括有：代购、直购、团购、秒杀、拼单等，首先由客户提交代购订单，然后进行物流选择，可

下载

我的帖子解释了 eq() 和 ne()。
我的帖子解释了 gt() 和 lt()。
我的帖子解释了 ge() 和 le()。
我的帖子解释了 torch.nan 和 torch.inf。

isclose() 可以检查第一个 0d 或更多 d 张量的零个或多个元素是否等于或接近等于第二个 0d 或更多 d 张量的零个或多个元素，得到 0d 或更多零个或多个元素的 d 张量如下所示：

*备忘录：

isclose() 可以与 torch 或张量一起使用。
第一个参数（输入）使用 torch 或使用张量（必需类型：int、float、complex 或 bool 的张量）。
带有 torch 的第二个参数或带有张量的第一个参数是其他（必需类型：int、float、complex 或 bool 的张量）。
带有 torch 的第三个参数或带有张量的第二个参数是 rtol(optional-default:1e-05-type:float)。
带有 torch 的第四个参数或带有张量的第三个参数是 atol(optional-default:1e-08-type:float)。
带有 torch 的第五个参数或带有张量的第四个参数是 equal_nan(optional-default:false-type:bool)： *备注：
- 如果为 true，则 nan 和 nan 返回 true。
- 基本上，nan 和 nan 返回 false。
公式为 |输入 - 其他|

import torch

tensor1 = torch.tensor([1.00001001, 1.00000996, 1.00000995, torch.nan])
tensor2 = torch.tensor([1., 1., 1., torch.nan])

torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor1, other=tensor2,
              rtol=1e-05, atol=1e-08, equal_nan=false)
            # 0.00001   # 0.00000001
tensor1.isclose(other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([false, false, true, false])

torch.isclose(input=tensor1, other=tensor2, equal_nan=true)
# tensor([false, false, true, true])

tensor1 = torch.tensor([[1.00001001, 1.00000996],
                        [1.00000995, torch.nan]])
tensor2 = torch.tensor([[1., 1.],
                        [1., torch.nan]])
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[false, false],
#         [true, false]])

tensor1 = torch.tensor([[[1.00001001],
                         [1.00000996]],
                        [[1.00000995],
                         [torch.nan]]])
tensor2 = torch.tensor([[[1.], [1.]],
                        [[1.], [torch.nan]]])
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[[false], [false]],
#         [[true], [false]]])

tensor1 = torch.tensor([[1.00001001, 1.00000996],
                        [1.00000995, torch.nan]])
tensor2 = torch.tensor([1., 1.])

torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[false, false],
#         [true, false]])

tensor1 = torch.tensor([[1.00001001, 1.00000996],
                        [1.00000995, torch.nan]])
tensor2 = torch.tensor(1.)

torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[false, false],
#         [true, false]])

tensor1 = torch.tensor([0, 1, 2])
tensor2 = torch.tensor(1)

torch.isclose(input=tensor1, other=tensor2)
# tensor([false, true, false])

tensor1 = torch.tensor([0.+0.j, 1.+0.j, 2.+0.j])
tensor2 = torch.tensor(1.+0.j)

torch.isclose(input=tensor1, other=tensor2)
# tensor([false, true, false])

tensor1 = torch.tensor([false, true, false])
tensor2 = torch.tensor(true)

torch.isclose(input=tensor1, other=tensor2)
# tensor([false, true, false])

equal() 可以检查两个 0d 或更多 d 张量是否具有相同的大小和元素，得到布尔值的标量，如下所示：

*备忘录：

equal() 可以与 torch 或张量一起使用。
第一个参数（输入）使用 torch 或使用张量（必需类型：int、float、complex 或 bool 的张量）。
带有 torch 的第二个参数或带有张量的第一个参数是其他（必需类型：int、float、complex 或 bool 的张量）。

import torch

tensor1 = torch.tensor([5, 9, 3])
tensor2 = torch.tensor([5, 9, 3])

torch.equal(input=tensor1, other=tensor2)
tensor1.equal(other=tensor2)
torch.equal(input=tensor2, other=tensor1)
# True

tensor1 = torch.tensor([5, 9, 3])
tensor2 = torch.tensor([7, 9, 3])

torch.equal(input=tensor1, other=tensor2)
torch.equal(input=tensor2, other=tensor1)
# False

tensor1 = torch.tensor([5, 9, 3])
tensor2 = torch.tensor([[5, 9, 3]])

torch.equal(input=tensor1, other=tensor2)
torch.equal(input=tensor2, other=tensor1)
# False

tensor1 = torch.tensor([5., 9., 3.])
tensor2 = torch.tensor([5.+0.j, 9.+0.j, 3.+0.j])

torch.equal(input=tensor1, other=tensor2)
torch.equal(input=tensor2, other=tensor1)
# True

tensor1 = torch.tensor([1.+0.j, 0.+0.j, 1.+0.j])
tensor2 = torch.tensor([True, False, True])

torch.equal(input=tensor1, other=tensor2)
torch.equal(input=tensor2, other=tensor1)
# True

tensor1 = torch.tensor([], dtype=torch.int64)
tensor2 = torch.tensor([], dtype=torch.float32)

torch.equal(input=tensor1, other=tensor2)
torch.equal(input=tensor2, other=tensor1)
# True