如何在PyTorch中执行张量的逐元素减法？

要对张量执行逐元素减法，可以使用PyTorch的 torch.sub() 方法。张量的对应元素将被相减。我们可以从另一个张量中减去一个标量或张量。我们可以从具有相同或不同维度的张量中减去张量。最终张量的维度将与更高维度的张量的维度相同。

步骤

• 导入所需的库。在下面的所有Python示例中，所需的Python库为 torch 。确保已安装它。

• 定义两个或多个PyTorch张量并打印它们。如果要减去标量量，请定义它。

• 使用 torch.sub() 从另一个张量中减去标量或张量，并将值分配给新变量。您也可以从张量中减去标量量。使用此方法对张量进行减法不会使原始张量发生任何变化。

• 打印最终张量。

示例1

这里我们将使用Python 3程序从张量中减去标量量。我们将看到执行相同任务的三种不同方法。

# Python程序执行逐元素减法
# 导入所需的库
import torch

# 创建一个张量
t = torch.Tensor([1.5, 2.03, 3.8, 2.9])
print("原始张量t：\n", t)

# 从张量中减去标量值
v = torch.sub(t, 5.60)
print("逐元素减法的结果：\n", v)

# 同样的结果也可以如下获得
t1 = torch.Tensor([5.60])
w = torch.sub(t, t1)
print("逐元素减法的结果：\n", w)

# 执行上述操作的另一种方法
t2 = torch.Tensor([5.60,5.60,5.60,5.60])
x = torch.sub(t, t2)
print("逐元素减法的结果：\n", x)

输出

原始张量t：
   tensor([1.5000, 2.0300, 3.8000, 2.9000])
逐元素减法的结果：
   tensor([-4.1000, -3.5700, -1.8000, -2.7000])
逐元素减法的结果：
   tensor([-4.1000, -3.5700, -1.8000, -2.7000])
逐元素减法的结果：
   tensor([-4.1000, -3.5700, -1.8000, -2.7000])

示例2

以下程序演示了如何从2D张量中减去1D张量。

# 导入所需的库
import torch

# 创建一个2D张量
T1 = torch.Tensor([[8,7],[4,5]])

# 创建一个1-D张量
T2 = torch.Tensor([10, 5])
print("T1：\n", T1)
print("T2：\n", T2)

# 从2-D张量中减去1-D张量
v = torch.sub(T1, T2)
print("逐元素减法的结果：\n", v)

输出

T1:
tensor([[8., 7.],
         [4., 5.]])
T2:
   tensor([10., 5.])
逐元素减法的结果：
tensor([[-2., 2.],
         [-6., 0.]])

示例3

以下程序演示了如何从1D张量中减去2D张量。

# Python程序从2D张量中减去1D张量
# 导入库
import torch

# 创建一个2D张量
T1 = torch.Tensor([[1,2],[4,5]])

# 创建一个1-D张量
T2 = torch.Tensor([10, 5])
print("T1：\n", T1)
print("T2：\n", T2)

# 从1-D张量中减去2-D张量
v = torch.sub(T2, T1)
print("逐元素减法的结果：\n", v)

输出

T1:
tensor([[1., 2.],
         [4., 5.]])
T2:
   tensor([10., 5.])
逐元素减法的结果：
tensor([[9., 3.],
         [6., 0.]])

您可以注意到最终张量是2D张量。

示例4

以下程序演示了如何从2D张量中减去另一个2D张量。

# 导入库
import torch

# 创建两个 2-D 张量
T1 = torch.Tensor([[8,7],[3,4]])
T2 = torch.Tensor([[0,3],[4,9]])
print("T1:\n", T1)
print("T2:\n", T2)

# 对上述两个 2-D 张量进行减法计算
v = torch.sub(T1,T2)
print("每个元素分别相减的结果:\n", v)

输出结果

T1:
tensor([[8., 7.],
         [3., 4.]])
T2:
tensor([[0., 3.],
         [4., 9.]])
每个元素分别相减的结果:
tensor([[ 8., 4.],
         [-1., -5.]])