是否為復(fù)數(shù)，tensor大小 。

#/usr/bin/env python3 # -*- coding: utf-8 -*-import torchx_data = torch.tensor([[12 + 0.2j],[6 - 1.2j]]) print(f"Tensor: \n {x_data} \n") print(f"is_complex: \n {torch.is_complex(x_data)} \n") print(f"shape: \n {x_data.shape} \n") Tensor: tensor([[12.+0.2000j],[ 6.-1.2000j]]) is_complex: True shape: torch.Size([2, 1])

是否為浮點(diǎn)數(shù)，tensor大小 。

#/usr/bin/env python3 # -*- coding: utf-8 -*-import torchx_data = torch.tensor([[12.2],[62]]) print(f"Tensor: \n {x_data} \n") print(f"is_floating_point: \n {torch.is_floating_point(x_data)} \n") print(f"shape: \n {x_data.shape} \n") Tensor: tensor([[12.2000],[62.0000]]) is_floating_point: True shape: torch.Size([2, 1])

下面這類屬于0值 torch。
torch.tensor([0.])
torch.tensor([0])
torch.tensor([False])
而torch.is_nonzero檢測(cè)是否非0。
torch.is_nonzero參數(shù)必須是單個(gè)元素

>>> torch.is_nonzero(torch.tensor([0.])) False >>> torch.is_nonzero(torch.tensor([1.5])) True >>> torch.is_nonzero(torch.tensor([False])) False >>> torch.is_nonzero(torch.tensor([3])) True >>> torch.is_nonzero(torch.tensor([1, 3, 5])) Traceback (most recent call last):

總結(jié)

以上是生活随笔為你收集整理的pytorch随笔-6的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。