資料結構
網路
關係資料庫管理系統(RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究如何在PyTorch中計算輸入中每個元素的海維賽德階躍函式？
要計算輸入張量中每個元素的海維賽德階躍函式，我們使用 **torch.heaviside()** 方法。它接受兩個引數 - 輸入和值。它返回一個包含計算出的 **heaviside** 階躍函式的新張量。
如果 **input=0**，則 **heaviside** 函式的值與值相同。如果輸入小於零，則heaviside的值為零。如果輸入大於零，則 **heaviside** 的值為1。它接受任何維度的torch張量。它也稱為 **單位階躍函式**。
語法
torch.heaviside(input, values)
步驟
我們可以使用以下步驟計算海維賽德階躍函式：
匯入所需的庫。在以下所有示例中，所需的Python庫是 **torch**。確保你已經安裝了它。
import torch
建立兩個張量 - **input** 和 **values**。
input = torch.randn(3,3) values = torch.tensor([0.5, 0.3, 0.7])
使用 **torch.heaviside(input, values)** 計算上述定義的張量的海維賽德階躍函式。可以選擇將此值賦值給一個新變數。
hssf = torch.heaviside(input, values)
列印上述計算出的海維賽德階躍函式。
print("Heaviside Step Function:
", hssf)示例1
在這個Python示例中，我們計算一維張量的海維賽德階躍函式。
import torch
# define input and values tensors
input = torch.tensor([-1.5, 0, 2.0])
values = torch.tensor([0.5])
# display above defined tensors
print("Input Tensor:
", input)
print("Values Tensor:
", values)
# compute heaviside step function
hssf = torch.heaviside(input, values)
print("Heaviside Step Function:
", hssf)輸出
Input Tensor: tensor([-1.5000, 0.0000, 2.0000]) Values Tensor: tensor([0.5000]) Heaviside Step Function: tensor([0.0000, 0.5000, 1.0000])
示例2
在這個示例中，我們計算二維張量的海維賽德階躍函式。
import torch
# define input and values tensors
input = torch.tensor([[0.2, 0.0, -0.7, -0.2],
[0.0, 0.6, 0.6, -0.9],
[0.0, 0.0, 0.0, 0.4],
[-1.2, 0.0, 0.8, 0.0]])
values = torch.tensor([0.5,0.3, 0.7, 0.8])
# display above defined tensors
print("Input Tensor:
", input)
print("Values Tensor:
", values)
# compute heaviside step function
hssf = torch.heaviside(input, values)
print("Heaviside Step Function:
", hssf)輸出
Input Tensor: tensor([[ 0.2000, 0.0000, -0.7000, -0.2000], [ 0.0000, 0.6000, 0.6000, -0.9000], [ 0.0000, 0.0000, 0.0000, 0.4000], [-1.2000, 0.0000, 0.8000, 0.0000]]) Values Tensor: tensor([5.0000, 0.3000, 0.7000, 0.8000]) Heaviside Step Function: tensor([[1.0000, 0.3000, 0.0000, 0.0000], [5.0000, 1.0000, 1.0000, 0.0000], [5.0000, 0.3000, 0.7000, 1.0000], [0.0000, 0.3000, 1.0000, 0.8000]])
更新於：2022年1月27日
310 次瀏覽
廣告