如何在PyTorch中执行张量的逐元素除法？

在PyTorch中对两个张量执行逐元素除法，我们可以使用 torch.div() 方法。它将第一个输入张量的每个元素除以第二个张量的对应元素。我们还可以用标量去除张量。张量可以被同一维度或不同维度的张量除掉。最终张量的维数与高维张量的维数相同。如果我们将一个1D张量除以一个2D张量，那么最终张量将是一个2D张量。

步骤

• 导入所需的库。在以下所有Python示例中，所需的Python库为 torch 。确保您已经 安装它。

• 定义两个或多个PyTorch张量并打印它们。如果要 通过标量除以张量，定义标量。

• 使用 torch.div() 除以另一个张量或标量，并将值分配给新变量。使用此方法除掉张量不会改变原始张量。

• 打印最终张量。

示例1

# Python程序实现逐元素除法
# 导入所需的库
import torch

# 创建张量
t = torch.Tensor([2, 3, 5, 9])
print("原始张量t:\n", t)

# 用标量4除张量
v = torch.div(t, 4)
print("逐元素除法结果:\n", v)

# 也可以通过以下方式得到相同的结果
t1 = torch.Tensor([4])
w = torch.div(t, t1)
print("逐元素除法结果:\n", w)

# 进行上述操作的另一种方法
t2 = torch.Tensor([4,4,4,4])
x = torch.div(t, t2)
print("逐元素除法结果:\n", x)

输出

原始张量t:
   tensor([2., 3., 5., 9.])
逐元素除法结果:
   tensor([0.5000, 0.7500, 1.2500, 2.2500])
逐元素除法结果:
   tensor([0.5000, 0.7500, 1.2500, 2.2500])
逐元素除法结果:
   tensor([0.5000, 0.7500, 1.2500, 2.2500])

示例2

以下Python程序展示了如何将2D张量除以1D张量。

# 导入所需的库
import torch

#创建2D张量
T1 = torch.Tensor([[3,2],[7,5]])

#创建1D张量
T2 = torch.Tensor([10, 8])
print("T1:\n", T1)
print("T2:\n", T2)

#用1D张量除以2D张量
v = torch.div(T1, T2)
print("逐元素除法结果:\n", v)

输出

T1:
tensor([[3., 2.],
         [7., 5.]])
T2:
tensor([10., 8.])
逐元素除法结果:
tensor([[0.3000, 0.2500],
         [0.7000, 0.6250]])

示例3

以下Python程序展示了如何将1D张量除以2D张量。

# Python程序实现将1D张量除以2D张量
# 导入所需的库
import torch

#创建2D张量
T1 = torch.Tensor([[8,7],[4,5]])

#创建1D张量
T2 = torch.Tensor([10, 5])
print("T1:\n", T1)
print("T2:\n", T2)

#用1D张量除以2D张量
v = torch.div(T2, T1)
print("除法1D张量除以2D张量结果:\n", v)

输出

T1:
tensor([[8., 7.],
         [4., 5.]])
T2:
tensor([10., 5.])
除法1D张量除以2D张量结果:
tensor([[1.2500, 0.7143],
         [2.5000, 1.0000]])

你可以注意到最终的张量是一个2D张量。

示例4

以下Python程序展示了如何将2D张量除以2D张量。

# 导入必要的库
import torch

# 创建两个2维张量
T1 = torch.Tensor([[8, 7], [3, 4]])
T2 = torch.Tensor([[0, 3], [4, 9]])

# 打印上述张量
print("T1:\n", T1)
print("T2:\n", T2)

# T1除以T2
v = torch.div(T1, T2)
print("逐元素的除法结果:\n", v)

输出

T1:
tensor([[8., 7.],
        [3., 4.]])
T2:
tensor([[0., 3.],
        [4., 9.]])
逐元素的除法结果:
tensor([[ inf, 2.3333],
        [0.7500, 0.4444]])