一些python torch函数

torch.tril 和 torch.triu

`torch.tril` 和 `torch.triu` 是 PyTorch 中用于处理矩阵的下三角和上三角部分的两个函数。它们的主要区别在于它们保留和填充矩阵的不同部分。

1. torch.tril (Lower Triangular):

  • 功能: 保留矩阵的下三角部分,包括主对角线,而将上三角部分填充为零。
  • 用法: `torch.tril(input, diagonal=0, out=None)`
  • 参数 :
    • `input`: 输入的张量(矩阵)。
    • `diagonal`: 指定要保留的对角线。`diagonal=0` 表示主对角线,`diagonal=-1` 表示主对角线以下的一条对角线,依此类推。
    • `out`: 可选的输出张量。
  • 示例:
python 复制代码
import torch

matrix = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
lower_triangular = torch.tril(matrix)
print(lower_triangular)
# 输出:
# tensor([[1, 0, 0],
#         [4, 5, 0],
#         [7, 8, 9]])

2. torch.triu(Upper Triangular)

  • 功能: 保留矩阵的上三角部分,包括主对角线,而将下三角部分填充为零。
  • 用法: `torch.triu(input, diagonal=0, out=None)`
  • 参数 :
    • `input`: 输入的张量(矩阵)。
    • `diagonal`: 指定要保留的对角线。`diagonal=0` 表示主对角线,`diagonal=1` 表示主对角线以上的一条对角线,依此类推。
    • `out`: 可选的输出张量。
  • 示例:
python 复制代码
import torch

matrix = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
upper_triangular = torch.triu(matrix)
print(upper_triangular)
# 输出:
# tensor([[1, 2, 3],
#         [0, 5, 6],
#         [0, 0, 9]])

总结:

  • `torch.tril` 用于获取矩阵的下三角部分,并将上三角部分置零。
  • `torch.triu` 用于获取矩阵的上三角部分,并将下三角部分置零。

这两个函数在矩阵操作和线性代数计算中非常有用,尤其是在需要分解矩阵或进行特定形式的矩阵运算时。

相关推荐
惯导马工1 天前
【论文导读】ORB-SLAM3:An Accurate Open-Source Library for Visual, Visual-Inertial and
深度学习·算法
AI小云2 天前
【机器学习与实战】回归分析与预测:线性回归-03-损失函数与梯度下降
机器学习
隐语SecretFlow2 天前
国人自研开源隐私计算框架SecretFlow,深度拆解框架及使用【开发者必看】
深度学习
Billy_Zuo2 天前
人工智能深度学习——卷积神经网络(CNN)
人工智能·深度学习·cnn
羊羊小栈2 天前
基于「YOLO目标检测 + 多模态AI分析」的遥感影像目标检测分析系统(vue+flask+数据集+模型训练)
人工智能·深度学习·yolo·目标检测·毕业设计·大作业
l12345sy2 天前
Day24_【深度学习—广播机制】
人工智能·pytorch·深度学习·广播机制
L.fountain2 天前
机器学习shap分析案例
人工智能·机器学习
weixin_429630262 天前
机器学习-第一章
人工智能·机器学习
Cedric11132 天前
机器学习中的距离总结
人工智能·机器学习
寒月霜华2 天前
机器学习-数据标注
人工智能·机器学习