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
Luchang-Li6 分钟前
sglang pytorch NCCL hang分析
pytorch·python·nccl
Gyoku Mint7 小时前
提示词工程(Prompt Engineering)的崛起——为什么“会写Prompt”成了新技能?
人工智能·pytorch·深度学习·神经网络·语言模型·自然语言处理·nlp
m0_617663628 小时前
Deeplizard深度学习课程(七)—— 神经网络实验
人工智能·深度学习·神经网络
l12345sy8 小时前
Day21_【机器学习—决策树(3)—剪枝】
决策树·机器学习·剪枝
笔触狂放8 小时前
【机器学习】综合实训(一)
人工智能·机器学习
ningmengjing_8 小时前
激活函数:神经网络的“灵魂开关”
人工智能·深度学习·神经网络
Billy_Zuo8 小时前
人工智能机器学习——逻辑回归
人工智能·机器学习·逻辑回归
非门由也10 小时前
《sklearn机器学习——管道和复合估计器》联合特征(FeatureUnion)
人工智能·机器学习·sklearn
l12345sy10 小时前
Day21_【机器学习—决策树(1)—信息增益、信息增益率、基尼系数】
人工智能·决策树·机器学习·信息增益·信息增益率·基尼指数
非门由也10 小时前
《sklearn机器学习——管道和复合估算器》异构数据的列转换器
人工智能·机器学习·sklearn