《神经网络与PyTorch实战》——3.4.2　逐元素运算

3.4.2　逐元素运算

　　上一节我们已经了解了如何对张量进行逐元素有理运算。本节更多考虑对张量的逐元素运算。

　　首先来看初等运算。在数学上，初等运算除了有理运算外，还包括以下函数。

* 幂函数（power function）：可用函数torch.pow() 实现。

* 指数函数（exponential function）：可用函数torch.exp() 实现。torch包里还有表示的torch.expm1() 函数，表示的sigmoid() 函数，双曲函数torch.sinh()、torch.cosh() 和torch.tanh()。

* 对数函数（logarithmic function）：可用函数torch.log() 实现自然对数，用函数torch.log2() 实现以2为底的对数，用函数torch.log10() 实现以10为底的对数。torch包里还有表示的torch.log1p() 函数。

* 三角函数（trigonometric function）和反三角函数（inverse trigonometric function）：包括三角函数torch.sin()、torch.cos()、torch.tan() 和反三角函数torch.asin()、torch.acos()、torch.atan()。用到的数据是弧度值而不是角度值。

　　代码清单3-15给出了利用以上函数完成初等运算的例子。

代码清单3-15　利用torch包中的函数完成初等运算

     tp = torch.pow(torch.arange(1, 4), torch.arange(3))

     print('pow = {}'.format(tp))

     te = torch.exp(torch.tensor([0.1, -0.01]))

     print('exp = {}'.format(te))

     ts = torch.sin(torch.tensor([[3.14 / 4,],]))

     print('sin = {}'.format(ts))

　　此外，torch包里还提供了许多分段函数，例如：

* 符号函数torch.sign() 和绝对值函数torch.abs()；

* 与取整有关的函数，包括下取整函数torch.floor()、上取整函数torch.ceil()、四舍五入取整函数torch.round()、直接截取函数torch.trunc()、取小数部分的函数torch.

frac()等；

* 和除法余数有关的函数，如torch.fmod()、torch.remainder()；

* 限制数据范围的函数torch.clamp()。

　　代码清单3-16中给出了一些使用分段函数的例子。

代码清单3-16　使用torch包中的分段函数

     t5 = torch.arange(5)

     tf = torch.frac(t5 * 0.3)

     print('frac = {}'.format(tf))

     tc = torch.clamp(t5, 0.5, 3.5)

     print('clamp = {}'.format(tc))

　　在torch包里还有其他特殊函数，在此无法一一列举。例如，误差函数torch.erf() 计算

torch.erfinv() 函数计算torch.erf() 函数的反函数。