请我喝杯咖啡☕
*备忘录：
我的帖子解释了 equal()、eq() 和 ne()。我的帖子解释了 gt() 和 lt()。我的帖子解释了 ge() 和 le()。
isclose() 可以检查第一个 0d 或更多 d 张量的零个或多个元素是否等于或接近等于第二个 0d 或更多 d 张量的零个或多个元素，得到 0d 或更多零个或多个元素的 d 张量如下所示：
*备忘录：
isclose() 可以与 torch 或张量一起使用。第一个参数（输入）使用 torch 或使用张量（必需类型：int、float、complex 或 bool 的张量）。带有 torch 的第二个参数或带有张量的第一个参数是其他（必需类型：int、float、complex 或 bool 的张量）。带有 torch 的第三个参数或带有张量的第二个参数是 rtol(optional-default:1e-05-type:float)。带有 torch 的第四个参数或带有张量的第三个参数是 atol(optional-default:1e-08-type:float)。带有 torch 的第五个参数或带有张量的第四个参数是 equal_nan(optional-default:false-type:bool)：*备注：如果为 true，则 nan 和 nan 返回 true。基本上，nan 和 nan 返回 false。公式为 |输入 – 其他|
import torchtensor1 = torch.tensor([1.00001001, 1.00000996, 1.00000995, torch.nan])tensor2 = torch.tensor([1., 1., 1., torch.nan])torch.isclose(input=tensor1, other=tensor2)torch.isclose(input=tensor1, other=tensor2, rtol=1e-05, atol=1e-08, equal_nan=False) # 0.00001 # 0.00000001tensor1.isclose(other=tensor2)torch.isclose(input=tensor2, other=tensor1)# tensor([False, False, True, False])torch.isclose(input=tensor1, other=tensor2, equal_nan=True)# tensor([False, False, True, True])tensor1 = torch.tensor([[1.00001001, 1.00000996], [1.00000995, torch.nan]])tensor2 = torch.tensor([[1., 1.], [1., torch.nan]])torch.isclose(input=tensor1, other=tensor2)torch.isclose(input=tensor2, other=tensor1)# tensor([[False, False],# [True, False]])tensor1 = torch.tensor([[[1.00001001], [1.00000996]], [[1.00000995], [torch.nan]]])tensor2 = torch.tensor([[[1.], [1.]], [[1.], [torch.nan]]])torch.isclose(input=tensor1, other=tensor2)torch.isclose(input=tensor2, other=tensor1)# tensor([[[False], [False]],# [[True], [False]]])tensor1 = torch.tensor([[1.00001001, 1.00000996], [1.00000995, torch.nan]])tensor2 = torch.tensor([1., 1.])torch.isclose(input=tensor1, other=tensor2)torch.isclose(input=tensor2, other=tensor1)# tensor([[False, False],# [True, False]])tensor1 = torch.tensor([[1.00001001, 1.00000996], [1.00000995, torch.nan]])tensor2 = torch.tensor(1.)torch.isclose(input=tensor1, other=tensor2)torch.isclose(input=tensor2, other=tensor1)# tensor([[False, False],# [True, False]])tensor1 = torch.tensor([0, 1, 2])tensor2 = torch.tensor(1)torch.isclose(input=tensor1, other=tensor2)# tensor([False, True, False])tensor1 = torch.tensor([0.+0.j, 1.+0.j, 2.+0.j])tensor2 = torch.tensor(1.+0.j)torch.isclose(input=tensor1, other=tensor2)# tensor([False, True, False])tensor1 = torch.tensor([False, True, False])tensor2 = torch.tensor(True)torch.isclose(input=tensor1, other=tensor2)# tensor([False, True, False])
以上就是PyTorch 中的 isclose的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1351240.html
微信扫一扫 
支付宝扫一扫 
