请我喝杯咖啡☕
*备忘录：
我的帖子解释了 gt() 和 lt()。我的帖子解释了 ge() 和 le()。我的帖子解释了 isclose() 和 equal()。
eq() 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第二个 0d 或更多 d 张量的零个或多个元素，得到 0d 或更多 d 张量零个或多个元素，如下所示：
*备忘录：
eq() 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：张量或 int、float、complex 或 bool 标量）。torch 存在 out 参数（可选-默认：无-类型：张量）：*备注：必须使用 out=。我的帖子解释了论点。结果是具有更多元素的更高 d 张量。
import torchtensor1 = torch.tensor([5, 0, 3])tensor2 = torch.tensor([7, 0, 3])torch.eq(input=tensor1, other=tensor2)tensor1.eq(other=tensor2)torch.eq(input=tensor2, other=tensor1)# tensor([false, true, true])tensor1 = torch.tensor(5)tensor2 = torch.tensor([[3, 5, 4], [6, 3, 5]])torch.eq(input=tensor1, other=tensor2)torch.eq(input=tensor2, other=tensor1)# tensor([[false, true, false],# [false, false, true]])torch.eq(input=tensor1, other=3)# tensor(false)torch.eq(input=tensor2, other=3)# tensor([[true, false, false],# [false, true, false]])tensor1 = torch.tensor([5, 0, 3])tensor2 = torch.tensor([[5, 5, 5], [0, 0, 0], [3, 3, 3]])torch.eq(input=tensor1, other=tensor2)torch.eq(input=tensor2, other=tensor1)# tensor([[true, false, false],# [false, true, false], # [false, false, true]])torch.eq(input=tensor1, other=3)# tensor([false, false, true])torch.eq(input=tensor2, other=3)# tensor([[false, false, false],# [false, false, false],# [true, true, true]])tensor1 = torch.tensor([5., 0., 3.])tensor2 = torch.tensor([[5., 5., 5.], [0., 0., 0.], [3., 3., 3.]])torch.eq(input=tensor1, other=tensor2)# tensor([[true, false, false],# [false, true, false], # [false, false, true]])torch.eq(input=tensor1, other=3.)# tensor([false, false, true])tensor1 = torch.tensor([5.+0.j, 0.+0.j, 3.+0.j])tensor2 = torch.tensor([[5.+0.j, 5.+0.j, 5.+0.j], [0.+0.j, 0.+0.j, 0.+0.j], [3.+0.j, 3.+0.j, 3.+.0j]])torch.eq(input=tensor1, other=tensor2)# tensor([[true, false, false],# [false, true, false],# [false, false, true]])torch.eq(input=tensor1, other=3.+0.j)# tensor([false, false, true])tensor1 = torch.tensor([true, false, true])tensor2 = torch.tensor([[true, false, true], [false, true, false], [true, false, true]])torch.eq(input=tensor1, other=tensor2)# tensor([[true, true, true],# [false, false, false],# [true, true, true]])torch.eq(input=tensor1, other=true)# tensor([true, false, true])
ne() 可以按元素检查第一个 0d 或更多 d 张量的零个或多个元素是否不等于第二个 0d 或更多 d 张量的零个或多个元素，得到 0d 或更多 d 张量零个或多个元素，如下所示：
*备忘录：
ne() 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：张量或 int、float、complex 或 bool 标量）。torch 存在 out 参数（可选-默认：无-类型：张量）：*备注：必须使用 out=。我的帖子解释了论点。not_equal() 是 ne() 的别名。
import torchtensor1 = torch.tensor([5, 0, 3])tensor2 = torch.tensor([7, 0, 3])torch.ne(input=tensor1, other=tensor2)tensor1.ne(other=tensor2)torch.ne(input=tensor2, other=tensor1)# tensor([True, False, False])tensor1 = torch.tensor(5)tensor2 = torch.tensor([[3, 5, 4], [6, 3, 5]])torch.ne(input=tensor1, other=tensor2)torch.ne(input=tensor2, other=tensor1)# tensor([[True, False, True],# [True, True, False]])torch.ne(input=tensor1, other=3)# tensor(True)torch.ne(input=tensor2, other=3)# tensor([[False, True, True],# [True, False, True]])tensor1 = torch.tensor([5, 0, 3])tensor2 = torch.tensor([[5, 5, 5], [0, 0, 0], [3, 3, 3]])torch.ne(input=tensor1, other=tensor2)torch.ne(input=tensor2, other=tensor1)# tensor([[False, True, True],# [True, False, True],# [True, True, False]])torch.ne(input=tensor1, other=3)# tensor([True, True, False])torch.ne(input=tensor2, other=3)# tensor([[True, True, True],# [True, True, True],# [False, False, False]])tensor1 = torch.tensor([5., 0., 3.])tensor2 = torch.tensor([[5., 5., 5.], [0., 0., 0.], [3., 3., 3.]])torch.ne(input=tensor1, other=tensor2)# tensor([[False, True, True],# [True, False, True],# [True, True, False]])torch.ne(input=tensor1, other=3.)# tensor([True, True, False])tensor1 = torch.tensor([5.+0.j, 0.+0.j, 3.+0.j])tensor2 = torch.tensor([[5.+0.j, 5.+0.j, 5.+0.j], [0.+0.j, 0.+0.j, 0.+0.j], [3.+0.j, 3.+0.j, 3.+.0j]])torch.ne(input=tensor1, other=tensor2)# tensor([[False, True, True],# [True, False, True],# [True, True, False]])torch.ne(input=tensor1, other=3.+0.j)# tensor([True, True, False])tensor1 = torch.tensor([True, False, True])tensor2 = torch.tensor([[True, False, True], [False, True, False], [True, False, True]])torch.ne(input=tensor1, other=tensor2)# tensor([[False, False, False],# [True, True, True],# [False, False, False]])torch.ne(input=tensor1, other=True)# tensor([False, True, False])
以上就是PyTorch 中的 eq 和 ne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/1351320.html
微信扫一扫 
支付宝扫一扫 
