pytorch torch.isclose函数介绍

torch.isclose 是 PyTorch 中用于比较两个张量是否"近似相等"的函数。它主要用于判断两个张量的对应元素在数值上是否接近(考虑了浮点数精度的可能误差)。


函数定义

复制代码
torch.isclose(input, other, rtol=1e-05, atol=1e-08, equal_nan=False)

参数说明

  1. input (Tensor):

    • 第一个张量。
  2. other (Tensor):

    • 第二个张量,和 input 的形状必须相同,或者可以通过广播机制与 input 对齐。
  3. rtol (float, 可选,默认值:1e-05):

    • 相对容忍误差(relative tolerance)。比较时的相对误差阈值,定义了两个值相对距离的可接受范围。
  4. atol (float, 可选,默认值:1e-08):

    • 绝对容忍误差(absolute tolerance)。比较时的绝对误差阈值,定义了两个值绝对距离的可接受范围。
  5. equal_nan (bool, 可选,默认值:False):

    • 是否将 NaN 视为"接近"。
    • 如果为 True,则两个 NaN 会被认为是相等的。

返回值

  • 返回一个与 inputother 形状相同的布尔张量。
  • 每个元素表示 inputother 对应位置的元素是否"近似相等"。

比较规则

两个元素 aa 和 bb 被认为是"近似相等"的条件是:

  • |a - b|: 表示 inputother 对应元素之间的绝对差值。
  • atol: 绝对误差阈值。
  • rtol: 相对误差阈值。

常见用途

  • 比较浮点数是否相等(避免浮点数精度误差)。
  • 检查数值计算中张量的结果是否一致或接近。
  • 判断两个张量之间的元素是否在某个容忍范围内。

示例

复制代码
import torch

# 创建两个浮点张量
a = torch.tensor([1.0, 2.0, 3.0001])
b = torch.tensor([1.0, 2.0, 3.0])

# 默认参数下比较
result = torch.isclose(a, b)
print(result)  # tensor([True, True, False])

# 调整容忍误差
result = torch.isclose(a, b, rtol=1e-03, atol=1e-05)
print(result)  # tensor([True, True, True])

# 比较含有 NaN 的张量
a = torch.tensor([1.0, float('nan')])
b = torch.tensor([1.0, float('nan')])

# 默认不认为 NaN 相等
print(torch.isclose(a, b))  # tensor([ True, False])

# 允许 NaN 相等
print(torch.isclose(a, b, equal_nan=True))  # tensor([ True, True])

注意事项

  • rtolatol 的选择

    • 如果数值范围较大,可以增加 rtol
    • 如果数值精度要求较高,可以减小 atol
  • NaN 的比较

    • 默认情况下,torch.isclose 认为 NaN 是不相等的,除非 equal_nan=True
相关推荐
这里有鱼汤1 小时前
miniQMT下载历史行情数据太慢怎么办?一招提速10倍!
前端·python
aneasystone本尊1 小时前
学习 Chat2Graph 的知识库服务
人工智能
IT_陈寒2 小时前
Redis 性能翻倍的 7 个冷门技巧,第 5 个大多数人都不知道!
前端·人工智能·后端
databook10 小时前
Manim实现脉冲闪烁特效
后端·python·动效
程序设计实验室10 小时前
2025年了,在 Django 之外,Python Web 框架还能怎么选?
python
飞哥数智坊12 小时前
GPT-5-Codex 发布,Codex 正在取代 Claude
人工智能·ai编程
倔强青铜三12 小时前
苦练Python第46天:文件写入与上下文管理器
人工智能·python·面试
虫无涯13 小时前
Dify Agent + AntV 实战:从 0 到 1 打造数据可视化解决方案
人工智能
Dm_dotnet15 小时前
公益站Agent Router注册送200刀额度竟然是真的
人工智能
算家计算15 小时前
7B参数拿下30个世界第一!Hunyuan-MT-7B本地部署教程:腾讯混元开源业界首个翻译集成模型
人工智能·开源