PyTorchでテンソルの要素の対数を計算する方法は?
PyTorchでテンソルの要素の対数を計算するには、 torch.log()を使用します。 方法。元の入力テンソルの要素の自然対数値を持つ新しいテンソルを返します。入力パラメータとしてテンソルを取り、テンソルを出力します。
ステップ
-
必要なライブラリをインポートします。以下のすべてのPythonの例では、必要なPythonライブラリはトーチです。 。すでにインストールされていることを確認してください。
-
テンソルを作成して印刷します。
-
torch.log(input)を計算します 。 入力が必要です 、テンソルを入力パラメータとして使用し、入力の要素の自然対数値を持つ新しいテンソルを返します。 。
-
元の入力テンソルの要素の自然対数値を使用してテンソルを印刷します。
例1
次のPythonプログラムは、PyTorchテンソルの自然対数を計算する方法を示しています。
# import necessary library import torch # Create a tensor t = torch.Tensor([2.3,3,2.3,4,3.4]) # print the above created tensor print("Original tensor:\n", t) # compute the logarithm of elements of the above tensor log = torch.log(t) # print the computed logarithm of elements print("Logarithm of Elements:\n", log)
出力
Original tensor: tensor([2.3000, 3.0000, 2.3000, 4.0000, 3.4000]) Logrithm of Elements: tensor([0.8329, 1.0986, 0.8329, 1.3863, 1.2238])
例2
次のPythonプログラムは、2Dテンソルの自然対数を計算する方法を示しています。
# import necessary libraries import torch # Create a tensor of random numbers of size 3x4 t = torch.rand(3,4) # print the above created tensor print("Original tensor:\n", t) # compute the logarithm of elements of the above tensor log = torch.log(t) # print the computed logarithm of elements print("Logarithm of Elements:\n", log)
出力
Original tensor: tensor([[0.1245, 0.0448, 0.1176, 0.7607], [0.7415, 0.7738, 0.0694, 0.6983], [0.8371, 0.6169, 0.3858, 0.8027]]) Logarithm of Elements: tensor([[-2.0837, -3.1048, -2.1405, -0.2735], [-0.2990, -0.2565, -2.6676, -0.3591], [-0.1778, -0.4830, -0.9524, -0.2198]])
-
PyTorchの画像チャネル全体の平均を見つける方法は?
RGB画像には、赤、緑、青の3つのチャネルがあります。これらの画像チャネル全体の画像ピクセル値の平均を計算する必要があります。この目的のために、メソッド torch.mean()を使用します 。ただし、このメソッドへの入力パラメーターはPyTorchテンソルです。したがって、最初に画像をPyTorchテンソルに変換してから、このメソッドを適用します。テンソル内のすべての要素の平均値を返します。画像チャネル全体の平均を見つけるために、パラメータ dim =[1,2]を設定します。 。 ステップ 必要なライブラリをインポートします。以下のすべてのPythonの例では、必要なPythonライブ
-
画像をPyTorchテンソルに変換する方法は?
PyTorchテンソルは、単一のデータ型の要素を含むn次元配列(行列)です。テンソルは、numpy配列のようなものです。 numpy配列とPyTorchテンソルの違いは、テンソルがGPUを利用して数値計算を高速化することです。加速された計算では、画像はテンソルに変換されます。 画像をPyTorchテンソルに変換するには、次の手順を実行できます- ステップ 必要なライブラリをインポートします。必要なライブラリはtorch、torchvision、Pillowです。 画像を読んでください。画像はPIL画像またはnumpy.ndarray(HxWxC)のいずれかである必要があります