《神经网络与PyTorch实战》——3.4.5　比较和逻辑运算

3.4.5　比较和逻辑运算

　　本节介绍逐元素比较张量大小的函数和逻辑函数。

　　可以直接使用Python运算符（<、<=、>、>=、== 和 !=）逐元素比较两个张量的大小或张量和数值之间的大小。当运算符的左操作数和右操作数不是大小相同的张量时，会使用前文描述的广播语义。比较的结果张量的元素类型为torch.uint8。例如：

     loper = torch.tensor([-1, 1, 3], dtype=torch.float32)

     roper = torch.arange(3)

     print ('< : {}'.format(loper < roper))

     print ('== : {}'.format(loper == roper))

注意：在PyTorch中使用运算符“==”比较两个张量时，是进行逐元素比较，而不是将张量当作整体比较两个张量的所有元素是不是都相同。如果想把两个张量作为整体比较，可以用torch.equal() 函数。

　　另外，torch.Tensor类还有成员方法nonzero()，相当于与0进行逐元素相等比较。

　　还可以用torch.min() 函数和torch.max() 函数分别逐元素求两个张量的最小值和最大值，例如：

     torch.max(loper, roper)

注意：对于torch.min() 函数和torch.max() 函数，当它们只传入1个张量参数时，会分别试图统计张量内所有元素的最小值和最大值，是上一节介绍的统计函数。当它们传入两个张量参数时，则分别是逐元素选取最小值和最大值。

　　接下来介绍张量的逻辑运算。这里只介绍torch.where() 函数。torch.where() 函数实现了逐元素if-else的功能。torch.where() 函数有3个参数：condition、x和y。当这3个参数是大小相同的张量时，该函数返回同样大小的张量。返回的张量里的元素是这样确定的：对于每个元素，考虑condition张量中对应元素的值是1（即表示真的值）还是0（即表示假的值）。如果是1，则选择张量x中对应的元素；如果是0，则选择张量y中对应的元素。例如，下列代码就根据传入的第0个参数的值，一次选择了x中的元素、y中的元素：

     cond = torch.tensor([1, 0, 1], dtype=torch.uint8)

     x = torch.tensor([0.3, -0.5, 0.2])

     y = torch.tensor([-0.2, 0.5, 0.3])

     torch.where(cond, x, y) # 得到 [0.3, 0.5, 0.2]