PyTorch常用函数:torch.ge; torch.gt; torch.le; equal; eq

torch.ge
torch.ge(input, other, out=None) → Tensor
逐元素比较input和other,即是否 input>=otherinput>=other。

如果两个张量有相同的形状和元素值,则返回True ,否则 False。 第二个参数可以为一个数或与第一个参数相同形状和类型的张量

参数:

input (Tensor) – 待对比的张量
other (Tensor or float) – 对比的张量或float值
out (Tensor, optional) – 输出张量。必须为ByteTensor或者与第一个参数tensor相同类型。
返回值: 一个 torch.ByteTensor 张量,包含了每个位置的比较结果(是否 input >= other )。 返回类型: Tensor

例子:

>>> torch.ge(torch.Tensor([[1, 2], [3, 4]]), torch.Tensor([[1, 1], [4, 4]]))
 1  1 0 1 [torch.ByteTensor of size 2x2]
torch.gt
torch.gt(input, other, out=None) → Tensor
逐元素比较input和other , 即是否input>otherinput>other 如果两个张量有相同的形状和元素值,则返回True ,否则 False。 第二个参数可以为一个数或与第一个参数相同形状和类型的张量

参数:

input (Tensor) – 要对比的张量
other (Tensor or float) – 要对比的张量或float值
out (Tensor, optional) – 输出张量。必须为ByteTensor或者与第一个参数tensor相同类型。
返回值: 一个 torch.ByteTensor 张量,包含了每个位置的比较结果(是否 input >= other )。 返回类型: Tensor

例子:

>>> torch.gt(torch.Tensor([[1, 2], [3, 4]]), torch.Tensor([[1, 1], [4, 4]]))
 0  1 0 0 [torch.ByteTensor of size 2x2]
torch.le
torch.le(input, other, out=None) → Tensor
逐元素比较input和other , 即是否input<=otherinput<=other 第二个参数可以为一个数或与第一个参数相同形状和类型的张量

参数:

input (Tensor) – 要对比的张量
other (Tensor or float ) – 对比的张量或float值
out (Tensor, optional) – 输出张量。必须为ByteTensor或者与第一个参数tensor相同类型。
返回值: 一个 torch.ByteTensor 张量,包含了每个位置的比较结果(是否 input >= other )。 返回类型: Tensor

例子:

>>> torch.le(torch.Tensor([[1, 2], [3, 4]]), torch.Tensor([[1, 1], [4, 4]]))
 1  0 1 1 [torch.ByteTensor of size 2x2] torch.lt torch.lt(input, other, out=None) → Tensor 逐元素比较input和other , 即是否 input<otherinput<other 第二个参数可以为一个数或与第一个参数相同形状和类型的张量 参数: input (Tensor) – 要对比的张量 other (Tensor or float ) – 对比的张量或float值 out (Tensor, optional) – 输出张量。必须为ByteTensor或者与第一个参数tensor相同类型。 input: 一个 torch.ByteTensor 张量,包含了每个位置的比较结果(是否 tensor >= other )。 返回类型: Tensor 例子: >>> torch.lt(torch.Tensor([[1, 2], [3, 4]]), torch.Tensor([[1, 1], [4, 4]])) 0 0 1 0 [torch.ByteTensor of size 2x2]

a,b是两个列表

a.equal(b)要求整个列表完全相同才是True

a.eq(b) 相同位置值相同则返回对应的True,返回的是一个列表


主要参考
https://blog.csdn.net/ljs_a/article/details/79848994
https://blog.csdn.net/qq_30468133/article/details/88667443

猜你喜欢

转载自www.cnblogs.com/lqchen/p/12346748.html
今日推荐