資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 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
時尚研究
法律研究如何在 PyTorch 中計算反雙曲正弦？
torch.asinh() 方法計算輸入張量中每個元素的反雙曲正弦。它支援實數和複數輸入。它支援輸入張量的任何維度。
語法
torch.asinh(input)
其中 input 是輸入張量。
輸出
它返回一個張量，包含每個元素的反雙曲正弦。
步驟
要計算輸入張量中每個元素的反雙曲正弦，您可以按照以下步驟操作：
匯入所需的庫。在以下所有示例中，所需的 Python 庫是 torch。確保您已安裝它。
import torch
建立一個 torch 張量並列印它。
input = torch.randn(3,4)
print("Input Tensor:
", input)使用 torch.asinh(input) 計算輸入張量中每個元素的反雙曲正弦。這裡 input 是輸入張量。
inv_hsi = torch.asinh(input)
顯示計算出的包含反雙曲正弦值的張量。
print("Inverse Hyperbolic Sine Tensor:
", inv_hsin)現在，讓我們通過幾個示例來演示如何計算反雙曲正弦。
示例 1
# Import the required library
import torch
# define an input tensor
input = torch.tensor([1.2, 3., 4., 4.2, -3.2])
# print the above defined tensor
print("Input Tensor:
", input)
# compute the inverse hyperbolic sine
inv_hsin = torch.asinh(input)
# print the above computed tensor
print("Inverse Hyperbolic Sine Tensor:
", inv_hsin)
print("............................")
# define a complex input tensor
input = torch.tensor([1.2+2j, 3.+4.j, 4.2-3.2j])
# print the above defined tensor
print("Input Tensor:
", input)
# compute the inverse hyperbolic sine
inv_hsin = torch.asinh(input)
# print the above computed tensor
print("Inverse Hyperbolic Sine Tensor:
", inv_hsin)輸出
Input Tensor: tensor([ 1.2000, 3.0000, 4.0000, 4.2000, -3.2000]) Inverse Hyperbolic Sine Tensor: tensor([ 1.0160, 1.8184, 2.0947, 2.1421, -1.8799]) ............................ Input Tensor: tensor([1.2000+2.0000j, 3.0000+4.0000j, 4.2000-3.2000j]) Inverse Hyperbolic Sine Tensor: tensor([1.5205+0.9873j, 2.2999+0.9176j, 2.3596-0.6425j])
在上面的程式中，我們計算了實數和複數輸入張量的每個元素的反雙曲正弦。
示例 2
# Import the required library
import torch
# define an input tensor
input = torch.randn(4,4)
# print the above defined tensor
print("Input Tensor:
", input)
# compute the inverse hyperbolic sine
inv_hsin = torch.asinh(input)
# print the above computed tensor
print("Inverse Hyperbolic Sine Tensor:
", inv_hsin)
print("............................")
# define a complex input tensor
real = torch.randn(2,3)
imag = torch.randn(2,3)
input = torch.complex(real, imag)
# print the above defined tensor
print("Input Tensor:
", input)
# compute the inverse hyperbolic sine
inv_hsin = torch.asinh(input)
# print the above computed tensor
print("Inverse Hyperbolic Sine Tensor:
", inv_hsin)輸出
Input Tensor: tensor([[ 0.4057, -1.8063, -0.5133, 0.3540], [-0.7180, -1.0896, 0.1832, 1.9867], [-0.6352, -0.1913, -0.0541, -0.3637], [-0.6229, 0.5518, -0.8876, 2.8466]]) Inverse Hyperbolic Sine Tensor: tensor([[ 0.3953, -1.3535, -0.4931, 0.3470], [-0.6673, -0.9433, 0.1822, 1.4377], [-0.5988, -0.1901, -0.0541, -0.3561], [-0.5884, 0.5270, -0.7996, 1.7688]]) ............................ Input Tensor: tensor([[-0.7072+0.6690j, 0.2434-1.0732j, 1.2196-0.7483j], [-1.2849+0.1874j, -0.7717+1.3786j, 0.6163-0.0782j]]) Inverse Hyperbolic Sine Tensor: tensor([[-0.7525+0.5421j, 0.5764-1.1596j, 1.1148-0.4592j], [-1.0744+0.1149j, -1.1086+0.9624j, 0.5839-0.0666j]])
注意 - 在上面的示例中，我們使用了隨機生成的數字作為輸入張量。您可能會注意到得到不同的元素。
更新於: 2022年1月27日
146 次檢視
廣告