请我喝杯咖啡☕
*备忘录：
我的帖子解释了 eq() 和 ne()。我的帖子解释了 gt() 和 lt()。我的帖子解释了 ge() 和 le()。我的帖子解释了 torch.nan 和 torch.inf。
isclose() 可以检查第一个 0d 或更多 d 张量的零个或多个元素是否等于或接近等于第二个 0d 或更多 d 张量的零个或多个元素，得到 0d 或更多零个或多个元素的 d 张量如下所示：
*备忘录：
isclose() 可以与 torch 或张量一起使用。第一个参数（输入）使用 torch 或使用张量（必需类型：int、float、plex 或 bool 的张量）。带有 torch 的第二个参数或带有张量的第一个参数是其他（必需类型：int、float、plex 或 bool 的张量）。带有 torch 的第三个参数或带有张量的第二个参数是 rtol(optional-default:1e-05-type:float)。带有 torch 的第四个参数或带有张量的第三个参数是 atol(optional-default:1e-08-type:float)。带有 torch 的第五个参数或带有张量的第四个参数是 equal_nan(optional-default:false-type:bool)：*备注：如果为 true，则 nan 和 nan 返回 true。基本上，nan 和 nan 返回 false。公式为 |输入 – 其他|
import torchtensor1 = torch.tensor([1.00001001, 1.00000996, 1.00000995, torch.nan])tensor2 = torch.tensor([1., 1., 1., torch.nan])torch.isclose(input=tensor1, other=tensor2)torch.isclose(input=tensor1, other=tensor2, rtol=1e-05, atol=1e-08, equal_nan=false)# 0.00001 # 0.00000001tensor1.isclose(other=tensor2)torch.isclose(input=tensor2, other=tensor1)# tensor([false, false, true, false])torch.isclose(input=tensor1, other=tensor2, equal_nan=true)# tensor([false, false, true, true])tensor1 = torch.tensor([[1.00001001, 1.00000996],[1.00000995, torch.nan]])tensor2 = torch.tensor([[1., 1.],[1., torch.nan]])torch.isclose(input=tensor1, other=tensor2)torch.isclose(input=tensor2, other=tensor1)# tensor([[false, false],# [true, false]])tensor1 = torch.tensor([[[1.00001001], [1.00000996]],[[1.00000995], [torch.nan]]])tensor2 = torch.tensor([[[1.], [1.]],[[1.], [torch.nan]]])torch.isclose(input=tensor1, other=tensor2)torch.isclose(input=tensor2, other=tensor1)# tensor([[[false], [false]],# [[true], [false]]])tensor1 = torch.tensor([[1.00001001, 1.00000996],[1.00000995, torch.nan]])tensor2 = torch.tensor([1., 1.])torch.isclose(input=tensor1, other=tensor2)torch.isclose(input=tensor2, other=tensor1)# tensor([[false, false],# [true, false]])tensor1 = torch.tensor([[1.00001001, 1.00000996],[1.00000995, torch.nan]])tensor2 = torch.tensor(1.)torch.isclose(input=tensor1, other=tensor2)torch.isclose(input=tensor2, other=tensor1)# tensor([[false, false],# [true, false]])tensor1 = torch.tensor([0, 1, 2])tensor2 = torch.tensor(1)torch.isclose(input=tensor1, other=tensor2)# tensor([false, true, false])tensor1 = torch.tensor([0.+0.j, 1.+0.j, 2.+0.j])tensor2 = torch.tensor(1.+0.j)torch.isclose(input=tensor1, other=tensor2)# tensor([false, true, false])tensor1 = torch.tensor([false, true, false])tensor2 = torch.tensor(true)torch.isclose(input=tensor1, other=tensor2)# tensor([false, true, false])
equal() 可以检查两个 0d 或更多 d 张量是否具有相同的大小和元素，得到布尔值的标量，如下所示：
*备忘录：
equal() 可以与 torch 或张量一起使用。第一个参数（输入）使用 torch 或使用张量（必需类型：int、float、plex 或 bool 的张量）。带有 torch 的第二个参数或带有张量的第一个参数是其他（必需类型：int、float、plex 或 bool 的张量）。
import torchtensor1 = torch.tensor([5, 9, 3])tensor2 = torch.tensor([5, 9, 3])torch.equal(input=tensor1, other=tensor2)tensor1.equal(other=tensor2)torch.equal(input=tensor2, other=tensor1)# Truetensor1 = torch.tensor([5, 9, 3])tensor2 = torch.tensor([7, 9, 3])torch.equal(input=tensor1, other=tensor2)torch.equal(input=tensor2, other=tensor1)# Falsetensor1 = torch.tensor([5, 9, 3])tensor2 = torch.tensor([[5, 9, 3]])torch.equal(input=tensor1, other=tensor2)torch.equal(input=tensor2, other=tensor1)# Falsetensor1 = torch.tensor([5., 9., 3.])tensor2 = torch.tensor([5.+0.j, 9.+0.j, 3.+0.j])torch.equal(input=tensor1, other=tensor2)torch.equal(input=tensor2, other=tensor1)# Truetensor1 = torch.tensor([1.+0.j, 0.+0.j, 1.+0.j])tensor2 = torch.tensor([True, False, True])torch.equal(input=tensor1, other=tensor2)torch.equal(input=tensor2, other=tensor1)# Truetensor1 = torch.tensor([], dtype=torch.int64)tensor2 = torch.tensor([], dtype=torch.float32)torch.equal(input=tensor1, other=tensor2)torch.equal(input=tensor2, other=tensor1)# True
以上就是PyTorch 中的接近和相等的详细内容，更多请关注范的资源库其它相关文章！
转载请注明：范的资源库 » PyTorch中的接近和相等
