lommelykt.GT og fakkel.GE -funksjoner i Pytorch

lommelykt.GT og fakkel.GE -funksjoner i Pytorch
I denne pytorch -opplæringen vil vi se hvordan du utfører sammenligningsoperasjoner ved hjelp av fakkel.gt () og fakkel.ge () metoder i pytorch

Pytorch er et open source-ramme tilgjengelig med et Python-programmeringsspråk. Vi kan behandle dataene i Pytorch i form av en tensor.

En tensor er et flerdimensjonalt utvalg som brukes til å lagre dataene. For å bruke en tensor, må vi importere fakkelmodulen.

For å lage en tensor er metoden som brukes tensor ().

Syntaks

lommelykt.Tensor (data)

Hvor data er en flerdimensjonal matrise.

lommelykt.gt () funksjon

De lommelykt.LT () i Pytorch brukes til å sammenligne alle elementene i to tensorer (større enn). Det returnerer sant hvis elementet i den første tensoren er større enn elementet i den andre tensoren og returnerer usant hvis elementet i den første tensoren ikke er større enn elementet i den andre tensoren. Det tar to parametere.

Syntaks

lommelykt.gt (tensor_object1, tensor_object2)

Parametere

  1. tensor_object1 er den første tensoren
  2. tensor_object2 er den andre tensoren

Komme tilbake
Det vil returnere en tensor med de boolske verdiene.

Eksempel 1
I dette eksemplet vil vi lage endimensjonale tensorer: data1 og data2 med 5 numeriske verdier for å utføre GT ().

#import fakkelmodul
Importer fakkel
#Create A 1D Tensor - Data1 med 5 numeriske verdier
data1 = fakkel.Tensor ([0,45,67,0,23])
#Create A 1D Tensor - Data2 med 5 numeriske verdier
Data2 = fakkel.tensor ([0,0,55,78,23])
#vise
Print ("First Tensor:", Data1)
Print ("Second Tensor:", Data2)
#GT () på data1 og data2
trykk ("Gjør elementene i den første tensoren større enn elementer i den andre tensoren? : ", fakkel.GT (Data1, Data2)))

Produksjon

First Tensor: Tensor ([0, 45, 67, 0, 23])
Second Tensor: Tensor ([0, 0, 55, 78, 23])

Gjør elementene i den første tensoren større enn elementer i den andre tensoren? : tensor ([falsk, sann, sann, falsk, falsk])

Arbeider

  1. 0 større enn 0 - falsk
  2. 45 større enn 0 - sant
  3. 67 større enn 55 - sant
  4. 0 større enn 78 - falsk
  5. 23 større enn 23 - falsk

Eksempel 2
I dette eksemplet vil vi lage todimensjonale tensorer: data1 og data2 med 5 numeriske verdier hver på rad og utføre GT ().

#import fakkelmodul
Importer fakkel
#Create A 2D Tensor - Data1 med 5 numeriske verdier i hver rad
data1 = fakkel.Tensor ([[23,45,67,0,0], [12,21,34,56,78]])
#Create A 2D Tensor - Data2 med 5 numeriske verdier i hver rad
Data2 = fakkel.Tensor ([[0,0,55,78,23], [10,20,44,56,0]])
#vise
Print ("First Tensor:", Data1)
Print ("Second Tensor:", Data2)
#GT () på data1 og data2
trykk ("Gjør elementene i den første tensoren større enn elementer i den andre tensoren? : ", fakkel.GT (Data1, Data2)))

Produksjon

Første tensor: Tensor ([[23, 45, 67, 0, 0],
[12, 21, 34, 56, 78]])

Second Tensor: Tensor ([[0, 0, 55, 78, 23],
[10, 20, 44, 56, 0]])

Gjør elementene i den første tensoren større enn elementer i den andre tensoren? : Tensor ([[sann, sann, sann, falsk, falsk],
[Sann, sann, falsk, falsk, sann]])

Arbeider

  1. 23 større enn 0 - sant, 12 større enn 10 - sant
  2. 45 større enn 0 - sant, 21 større enn 20 - sann
  3. 67 større enn 55 - sant, 34 større enn 44 - falsk
  4. 0 større enn 78 - usant, 56 større enn 56 - falsk
  5. 0 større enn 23 - usant, 78 større enn 0 - sann

Arbeid med CPU
Hvis du vil kjøre en GT () -funksjon på CPU, må vi lage en tensor med en CPU () -funksjon. Dette kjøres på en CPU -maskin.

Når vi lager en tensor, kan vi på dette tidspunktet bruke CPU () -funksjonen.

Syntaks

lommelykt.Tensor (data).prosessor()

Eksempel
I dette eksemplet vil vi lage todimensjonale tensorer: data1 og data2 med 5 numeriske verdier hver i rad og utføre GT ().

#import fakkelmodul
Importer fakkel
#Create A 2D Tensor - Data1 med 5 numeriske verdier i hver rad
data1 = fakkel.Tensor ([[23,45,67,0,0], [12,21,34,56,78]]).prosessor()
#Create A 2D Tensor - Data2 med 5 numeriske verdier i hver rad
Data2 = fakkel.Tensor ([[0,0,55,78,23], [10,20,44,56,0]]).prosessor()
#vise
Print ("First Tensor:", Data1)
Print ("Second Tensor:", Data2)
#GT () på data1 og data2
trykk ("Gjør elementene i den første tensoren større enn elementer i den andre tensoren? : ", fakkel.GT (Data1, Data2)))

Produksjon

Første tensor: Tensor ([[23, 45, 67, 0, 0],
[12, 21, 34, 56, 78]])

Second Tensor: Tensor ([[0, 0, 55, 78, 23],
[10, 20, 44, 56, 0]])

Er elementene i den første tensoren større enn elementene i den andre tensoren?
Tensor ([[sann, sann, sann, falsk, falsk],
[Sann, sann, falsk, falsk, sann]])

Arbeider

  1. 23 større enn 0 - sant, 12 større enn 10 - sant
  2. 45 større enn 0 - sant, 21 større enn 20 - sann
  3. 67 større enn 55 - sant, 34 større enn 44 - falsk
  4. 0 større enn 78 - usant, 56 større enn 56 - falsk
  5. 0 større enn 23 - usant, 78 større enn 0 - sann

lommelykt.ge () funksjon

De lommelykt.ge () -funksjon i pytorch brukes til å sammenligne alle elementene i to tensorer (større enn eller lik). Det returnerer sant hvis elementet i den første tensoren er større enn eller lik elementet i den andre tensoren og falskt hvis elementet i den første tensoren verken er større enn eller lik elementet i den andre tensoren. Det tar to parametere.

Syntaks

lommelykt.GE (Tensor_Object1, Tensor_Object2)
Parametere

  1. tensor_object1 er den første tensoren

  2. tensor_object2 er den andre tensoren


Komme tilbake
Det vil returnere en tensor med de boolske verdiene.
Eksempel 1
I dette eksemplet vil vi lage endimensjonale tensorer: data1 og data2 med 5 numeriske verdier for å utføre GE ().
[cc lang = "python" bredde = "100%" høyde = "100%" rømte = "true" tema = "blackboard" nowrap = "0"]
#import fakkelmodul
Importer fakkel
#Create A 1D Tensor - Data1 med 5 numeriske verdier
data1 = fakkel.Tensor ([0,45,67,0,23])
#Create A 1D Tensor - Data2 med 5 numeriske verdier
Data2 = fakkel.tensor ([0,0,55,78,23])
#vise
Print ("First Tensor:", Data1)
Print ("Second Tensor:", Data2)
#ge () på data1 og data2
trykk ("Gjør elementene i den første tensoren større enn eller lik elementene i den andre tensoren? : ", fakkel.GE (Data1, Data2))

Produksjon

First Tensor: Tensor ([0, 45, 67, 0, 23])
Second Tensor: Tensor ([0, 0, 55, 78, 23])
Gjør elementene i den første tensoren større enn eller lik elementene i den andre tensoren? : tensor ([sann, sann, sann, falsk, sann])

Arbeider

  1. 0 større enn eller lik 0 - sann
  2. 45 større enn eller lik 0 - sann
  3. 67 større enn eller lik 55 - sann
  4. 0 større enn eller lik 78 - falsk
  5. 23 større SS enn eller lik 23 - sann

Eksempel 2
I dette eksemplet vil vi lage to dimensjonale tensorer: data1 og data2 med 5 numeriske verdier hver i rad og utføre ge ().

#import fakkelmodul
Importer fakkel
#Create A 2D Tensor - Data1 med 5 numeriske verdier i hver rad
data1 = fakkel.Tensor ([[23,45,67,0,0], [12,21,34,56,78]])
#Create A 2D Tensor - Data2 med 5 numeriske verdier i hver rad
Data2 = fakkel.Tensor ([[0,0,55,78,23], [10,20,44,56,0]])
#vise
Print ("First Tensor:", Data1)
Print ("Second Tensor:", Data2)
#ge () på data1 og data2
trykk ("Gjør elementene i den første tensoren større enn eller lik elementene i den andre tensoren? : ", fakkel.GE (Data1, Data2))

Produksjon

Første tensor: Tensor ([[23, 45, 67, 0, 0],
[12, 21, 34, 56, 78]])

Second Tensor: Tensor ([[0, 0, 55, 78, 23],
[10, 20, 44, 56, 0]])

Gjør elementene i den første tensoren større enn eller lik elementene i den andre tensoren? : tensor ([[sann, sann, sann, falsk, falsk],
[Sant, sant, falsk, sant, sant]])

Arbeider

  1. 23 større enn eller lik 0 - sant, 12 større enn eller lik 10 - sann
  2. 45 større enn eller lik 0 - sant, 21 større enn eller lik 20 - sann
  3. 67 større enn eller lik 55 - sann, 34 større enn eller lik 44 - falsk
  4. 0 større enn eller lik 78 - falsk, 56 større enn eller lik 56 - sann
  5. 0 større enn eller lik 23 - falsk, 78 større enn eller lik 0 - sann

Arbeid med CPU
Hvis du vil kjøre en GE () -funksjon på CPU, må vi lage en tensor med en CPU () -funksjon. Dette kjøres på en CPU -maskin.

Når vi lager en tensor, kan vi på dette tidspunktet bruke CPU () -funksjonen.

Syntaks

lommelykt.Tensor (data).prosessor()

Eksempel
I dette eksemplet vil vi lage to dimensjonale tensorer: data1 og data2 med 5 numeriske verdier hver i rad og utføre ge ().

#import fakkelmodul
Importer fakkel
#Create A 2D Tensor - Data1 med 5 numeriske verdier i hver rad
data1 = fakkel.Tensor ([[23,45,67,0,0], [12,21,34,56,78]]).prosessor()
#Create A 2D Tensor - Data2 med 5 numeriske verdier i hver rad
Data2 = fakkel.Tensor ([[0,0,55,78,23], [10,20,44,56,0]]).prosessor()
#vise
Print ("First Tensor:", Data1)
Print ("Second Tensor:", Data2)
#ge () på data1 og data2
trykk ("Gjør elementene i den første tensoren større enn eller lik elementene i den andre tensoren? : ", fakkel.GE (Data1, Data2))

Produksjon

Første tensor: Tensor ([[23, 45, 67, 0, 0],
[12, 21, 34, 56, 78]])

Second Tensor: Tensor ([[0, 0, 55, 78, 23],
[10, 20, 44, 56, 0]])

Gjør elementene i den første tensoren større enn eller lik elementene i den andre tensoren? Tensor ([[sann, sann, sann, falsk, falsk],
[Sant, sant, falsk, sant, sant]])

Arbeider

  1. 23 større enn eller lik 0 - sant, 12 større enn eller lik 10 - sann
  2. 45 større enn eller lik 0 - sant, 21 større enn eller lik 20 - sann
  3. 67 større enn eller lik 55 - sann, 34 større enn eller lik 44 - falsk
  4. 0 større enn eller lik 78 - falsk, 56 større enn eller lik 56 - sann
  5. 0 større enn eller lik 23 - falsk, 78 større enn eller lik 0 - sann

Konklusjon

I denne Pytorch -leksjonen diskuterte vi fakkel.gt () og fakkel.ge (). Begge er sammenligningsfunksjoner som brukes til å sammenligne elementer i to tensorer. Fakkelen.gt () sammenligner alle elementene i to tensorer (større enn). Det returnerer sant hvis elementet i den første tensoren er større enn elementet i den andre tensoren og returnerer usant hvis elementet i den første tensoren ikke er større enn elementet i den andre tensoren.

Fakkelen.ge () returnerer sant hvis elementet i den første tensoren er større enn eller lik elementet i den andre tensoren og returnerer usant hvis elementet i den første tensoren verken er større enn eller lik elementet i den andre tensoren. Vi diskuterte også disse funksjonene som vil fungere på en CPU.