Computer >> कंप्यूटर >  >> प्रोग्रामिंग >> Python

कैसे PyTorch में टेंसर पर तत्व-वार गुणन करने के लिए?

torch.mul() PyTorch में टेंसर पर तत्व-वार गुणन करने के लिए विधि का उपयोग किया जाता है। यह टेंसर के संबंधित तत्वों को गुणा करता है। हम दो या दो से अधिक टेंसरों को गुणा कर सकते हैं। हम स्केलर और टेंसर को भी गुणा कर सकते हैं। समान या भिन्न आयामों वाले टेंसरों को भी गुणा किया जा सकता है। अंतिम टेंसर का आयाम उच्च-आयामी टेंसर के आयाम के समान होगा। टेंसर पर तत्व-वार गुणन को हैडमर्ड उत्पाद . के रूप में भी जाना जाता है

कदम

  • आवश्यक पुस्तकालय आयात करें। निम्नलिखित सभी पायथन उदाहरणों में, आवश्यक पायथन पुस्तकालय है टॉर्च . सुनिश्चित करें कि आपने इसे पहले ही इंस्टॉल कर लिया है।

  • दो या अधिक PyTorch टेंसर को परिभाषित करें और उन्हें प्रिंट करें। यदि आप किसी अदिश राशि को गुणा करना चाहते हैं, तो उसे परिभाषित करें।

  • torch.mul() . का उपयोग करके दो या अधिक टेंसर गुणा करें और मान को एक नए चर के लिए असाइन करें। आप एक अदिश राशि और एक टेंसर को भी गुणा कर सकते हैं। इस पद्धति का उपयोग करके टेंसरों को गुणा करने से मूल टेंसर में कोई बदलाव नहीं होता है।

  • अंतिम टेंसर प्रिंट करें।

उदाहरण 1

निम्न प्रोग्राम दिखाता है कि एक स्केलर को एक टेंसर से कैसे गुणा किया जाए। वही परिणाम स्केलर के बजाय टेंसर का उपयोग करके भी प्राप्त किया जा सकता है।

# Python program to perform element--wise multiplication
# import the required library
import torch

# Create a tensor
t = torch.Tensor([2.05, 2.03, 3.8, 2.29])
print("Original Tensor t:\n", t)

# Multiply a scalar value to a tensor
v = torch.mul(t, 7)
print("Element-wise multiplication result:\n", v)

# Same result can also be obtained as below
t1 = torch.Tensor([7])
w = torch.mul(t, t1)
print("Element-wise multiplication result:\n", w)

# other way to do above operation
t2 = torch.Tensor([7,7,7,7])
x = torch.mul(t, t2)
print("Element-wise multiplication result:\n", x)

आउटपुट

Original Tensor t:
   tensor([2.0500, 2.0300, 3.8000, 2.2900])
Element-wise multiplication result:
   tensor([14.3500, 14.2100, 26.6000, 16.0300])
Element-wise multiplication result:
   tensor([14.3500, 14.2100, 26.6000, 16.0300])
Element-wise multiplication result:
   tensor([14.3500, 14.2100, 26.6000, 16.0300])

उदाहरण 2

निम्नलिखित पायथन प्रोग्राम दिखाता है कि 2D टेंसर को 1Dtensor से कैसे गुणा किया जाए।

import torch
# Create a 2D tensor
T1 = torch.Tensor([[3,2],[7,5]])

# Create a 1-D tensor
T2 = torch.Tensor([10, 8])
print("T1:\n", T1)
print("T2:\n", T2)

# Multiply 1-D tensor with 2-D tensor
v = torch.mul(T1, T2) # v = torch.mul(T2,T1)
print("Element-wise multiplication result:\n", v)

आउटपुट

T1:
tensor([[3., 2.],
         [7., 5.]])
T2:
tensor([10., 8.])
Element-wise multiplication result:
tensor([[30., 16.],
         [70., 40.]])

उदाहरण 3

निम्नलिखित पायथन प्रोग्राम दिखाता है कि दो 2D टेंसरों को कैसे गुणा किया जाए।

import torch

# create two 2-D tensors
T1 = torch.Tensor([[8,7],[3,4]])
T2 = torch.Tensor([[0,3],[4,9]])
print("T1:\n", T1)
print("T2:\n", T2)

# Multiply above two 2-D tensors
v = torch.mul(T1,T2)
print("Element-wise subtraction result:\n", v)

आउटपुट

T1:
tensor([[8., 7.],
         [3., 4.]])
T2:
tensor([[0., 3.],
         [4., 9.]])
Element-wise subtraction result:
tensor([[ 0., 21.],
         [12., 36.]])

  1. Windows 10 में क्लीन बूट कैसे करें

    विंडोज़ विभिन्न सेटिंग्स, प्रोग्रामों और ड्राइवरों के साथ प्रीलोडेड आता है जो आपके पीसी को सुचारू रूप से चलाने के लिए एक साथ इंटरैक्ट करते हैं। दुर्भाग्य से, यह मिश्रित वातावरण आम तौर पर संगतता मुद्दों और सॉफ़्टवेयर विरोधों की ओर ले जाता है जो विभिन्न तरीकों से प्रकट होते हैं। इसका परिणाम यह होता

  1. PyTorch में एक टेंसर के हिस्टोग्राम की गणना कैसे करें?

    एक टेंसर के हिस्टोग्राम की गणना torch.histc() . का उपयोग करके की जाती है . यह एक टेन्सर के रूप में दर्शाया गया हिस्टोग्राम देता है। इसमें चार पैरामीटर लगते हैं:इनपुट, बिन्स, मिनट और अधिकतम . यह तत्वों को मिनट . के बीच समान चौड़ाई वाले डिब्बे में सॉर्ट करता है और अधिकतम . यह मिनट . से छोटे तत्वों की

  1. एक छवि को एक PyTorch Tensor में कैसे बदलें?

    एक PyTorch टेंसर एक n-आयामी सरणी (मैट्रिक्स) है जिसमें एकल डेटा प्रकार के तत्व होते हैं। टेंसर एक सुन्न सरणी की तरह है। संख्यात्मक सरणियों और PyTorch टेंसर के बीच का अंतर यह है कि टेंसर संख्यात्मक गणनाओं को तेज करने के लिए GPU का उपयोग करते हैं। त्वरित गणना के लिए, छवियों को टेंसर में बदल दिया जाता