请我喝杯咖啡☕
*备忘录：
- 我的帖子解释了 square()。
- 我的帖子解释了 float_power()。
- 我的帖子解释了abs()和sqrt()。
- 我的帖子解释了 gcd() 和 lcm()。
- 我的帖子解释了trace()、reciprocal() 和rsqrt()。
pow() 可以从零个或多个元素的 0d 或多个 d 张量中的两个或零个或多个元素的 0d 或多个 d 张量和标量中获得零次或多次幂的 0d 或多个 d 张量，如图所示下图：
*备忘录：
- pow() 可以与 torch 或张量一起使用。
- 第一个参数（输入）带有 torch（必需类型：int、float 或complex 的张量或标量）或使用张量（必需类型：int、float 或complex 的张量）。 *torch 必须使用没有输入的标量=。
- 带有 torch 的第二个参数或带有张量的第一个参数是指数（必需类型：张量或整数、浮点数或复数的标量）。 *不能使用负标量。
- torch 存在 out 参数（可选-默认：无-类型：张量）：
*备注：
- 必须使用 out=。
- 我的帖子解释了论点。
- 不能使用标量（输入或张量）和标量（指数）的组合。
- 张量（输入（bool）或张量（bool））和标量（指数（bool））的组合有效。
import torch
tensor1 = torch.tensor(-3)
tensor2 = torch.tensor([-4, -3, -2, -1, 0, 1, 2, 3])
torch.pow(input=tensor1, exponent=tensor2)
tensor1.pow(exponent=tensor2)
# tensor([0, 0, 0, 0, 1, -3, 9, -27])
torch.pow(-3, exponent=tensor2)
# tensor([0, 0, 0, 0, 1, -3, 9, -27])
torch.pow(input=tensor1, exponent=3)
# tensor(-27)
tensor1 = torch.tensor([-3, 1, -2, 3, 5, -5, 0, -4])
tensor2 = torch.tensor([-4, -3, -2, -1, 0, 1, 2, 3])
torch.pow(input=tensor1, exponent=tensor2)
# tensor([0, 1, 0, 0, 1, -5, 0, -64])
torch.pow(-3, exponent=tensor2)
# tensor([0, 0, 0, 0, 1, -3, 9, -27])
torch.pow(input=tensor1, exponent=3)
# tensor([-27, 1, -8, 27, 125, -125, 0, -64])
tensor1 = torch.tensor([[-3, 1, -2, 3], [5, -5, 0, -4]])
tensor2 = torch.tensor([0, 1, 2, 3])
torch.pow(input=tensor1, exponent=tensor2)
# tensor([[1, 1, 4, 27], [1, -5, 0, -64]])
torch.pow(-3, exponent=tensor2)
# tensor([1, -3, 9, -27])
torch.pow(input=tensor1, exponent=3)
# tensor([[-27, 1, -8, 27], [125, -125, 0, -64]])
tensor1 = torch.tensor([[[-3, 1], [-2, 3]],
[[5, -5], [0, -4]]])
tensor2 = torch.tensor([2, 3])
torch.pow(input=tensor1, exponent=tensor2)
# tensor([[[9, 1], [4, 27]],
# [[25, -125], [0, -64]]])
torch.pow(-3, exponent=tensor2)
# tensor([9, -27])
torch.pow(input=tensor1, exponent=3)
# tensor([[[-27, 1], [-8, 27]],
# [[125, -125], [0, -64]]])
tensor1 = torch.tensor([[[-3., 1.], [-2., 3.]],
[[5., -5.], [0., -4.]]])
tensor2 = torch.tensor([2., 3.])
torch.pow(input=tensor1, exponent=tensor2)
# tensor([[[9., 1.], [4., 27.]],
# [[25., -125.], [0., -64.]]])
torch.pow(-3., exponent=tensor2)
# tensor([9., -27.])
torch.pow(input=tensor1, exponent=3.)
# tensor([[[-27., 1.], [-8., 27.]],
# [[125., -125.], [0., -64.]]])
tensor1 = torch.tensor([[[-3.+0.j, 1.+0.j], [-2.+0.j, 3.+0.j]],
[[5.+0.j, -5.+0.j], [0.+0.j, -4.+0.j]]])
tensor2 = torch.tensor([2.+0.j, 3.+0.j])
torch.pow(input=tensor1, exponent=tensor2)
# tensor([[[9.0000+1.5736e-06j, 1.0000+0.0000e+00j],
# [4.0000+6.9938e-07j, 27.0000+0.0000e+00j]],
# [[25.0000+0.0000e+00j, -125.0000-2.9812e-06j],
# [0.0000-0.0000e+00j, -64.0000-1.5264e-06j]]])
torch.pow(-3.+0.j, exponent=tensor2)
# tensor([9.0000+1.5736e-06j, -27.0000-6.4394e-07j])
torch.pow(input=tensor1, exponent=3.+0.j)
# tensor([[[-27.+0.j, 1.+0.j],
# [-8.+0.j, 27.+0.j]],
# [[125.+0.j, -125.+0.j],
# [0.+0.j, -64.+0.j]]])
my_tensor = torch.tensor([[[True, False], [True, False]],
[[False, True], [False, True]]])
torch.pow(input=my_tensor, exponent=True)
# tensor([[[True, False], [True, False]],
# [[False, True], [False, True]]])
