用 PyTorch 库创建了一个随机张量，并演示了多种张量取整和分解操作

张量创建与初始化

a = torch.rand(2,2)

生成一个 2x2 的随机张量，元素值均匀分布在 [0,1) 区间。例如可能输出：

tensor([[0.1234, 0.5678],
        [0.9012, 0.3456]])

a = a * 10

将张量每个元素乘以 10，使值域变为 [0,10)。例如：

tensor([[1.234, 5.678],
        [9.012, 3.456]])

取整运算

print(torch.floor(a))

向下取整（地板函数），输出不大于原数的最大整数。示例结果：

tensor([[1., 5.],
        [9., 3.]])

print(torch.ceil(a))

向上取整（天花板函数），输出不小于原数的最小整数。示例结果：

tensor([[2., 6.],
        [10., 4.]])

print(torch.round(a))

四舍五入到最接近的整数。示例结果：

tensor([[1., 6.],
        [9., 3.]])

print(torch.trunc(a))

截断小数部分（向零取整）。示例结果：

tensor([[1., 5.],
        [9., 3.]])

分解运算

print(torch.frac(a))

提取小数部分。示例结果：

tensor([[0.234, 0.678],
        [0.012, 0.456]])

print(a%2)

计算每个元素除以 2 的余数。示例结果：

tensor([[1.234, 1.678],
        [1.012, 1.456]])

关键点说明

• 所有操作都是逐元素（element-wise）进行的
• 原始张量 a 不会被修改，每个操作都会返回新张量
• 取整运算返回浮点型张量，但值为整数形式
• frac 和 % 运算结果保持原始张量的数值精度