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
法學PyTorch – 如何計算張量的逐元素邏輯異或？
**torch.logical_xor()** 計算給定的兩個輸入張量的逐元素邏輯異或。在張量中，值為零的元素被視為 False，非零元素被視為 True。它接受兩個張量作為輸入引數，並返回計算邏輯異或後的值組成的張量。
語法
torch.logical_xor(tensor1, tensor2)
其中 **tensor1** 和 **tensor2** 是兩個輸入張量。
步驟
要計算給定輸入張量的逐元素邏輯異或，可以按照以下步驟操作：
匯入 **torch** 庫。確保你已經安裝了它。
建立兩個張量，**tensor1** 和 **tensor2**，並列印這些張量。
計算 **torch.logical_xor(tensor1, tensor2)** 並將值賦給一個變數。
執行逐元素邏輯異或運算後，列印最終結果。
示例 1
# import torch library
import torch
# define two Boolean tensors
tensor1 = torch.tensor([True, True, True, False, False])
tensor2 = torch.tensor([True, False, False, True, True])
# display the defined tensors
print("Tensor 1:
", tensor1)
print("Tensor 2:
", tensor2)
# compute XOR of tensor1 and tensor2 and display
tensor_xor = torch.logical_xor(tensor1, tensor2)
print("XOR result:
", tensor_xor)輸出
Tensor 1: tensor([ True, True, True, False, False]) Tensor 2: tensor([ True, False, False, True, True]) XOR result: tensor([False, True, True, True, True])
示例 2
# import torch library
import torch
# define two tensors
tensor1 = torch.tensor([True, True, True, False, False])
tensor2 = torch.tensor([1, 0, 123, 23, -12])
# display the defined tensors
print("Tensor 1:
", tensor1)
print("Tensor 2:
", tensor2)
# compute XOR of tensor1 and tensor2 and display
tensor_xor = torch.logical_xor(tensor1, tensor2)
print("XOR result:
", tensor_xor)輸出
Tensor 1: tensor([ True, True, True, False, False]) Tensor 2: tensor([ 1, 0, 123, 23, -12]) XOR result: tensor([False, True, False, True, True])
示例 3
# import torch library
import torch
# define two tensors
tensor1 = torch.tensor([12, 3, 11, 21, -12])
tensor2 = torch.tensor([1, 0, 123, 0, -2])
# display the defined tensors
print("Tensor 1:
", tensor1)
print("Tensor 2:
", tensor2)
# compute XOR of tensor1 and tensor2 and display
tensor_xor = torch.logical_xor(tensor1, tensor2)
print("XOR result:
", tensor_xor)輸出
Tensor 1: tensor([ 12, 3, 11, 21, -12]) Tensor 2: tensor([ 1, 0, 123, 0, -2]) XOR result: tensor([False, True, False, True, False])
更新於：2021年12月6日
439 次瀏覽
廣告