torch.eq的广播机制兼谈快速生成对角掩码

原创 已于 2022-08-24 19:21:46 修改 · 634 阅读 · 1 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#python #深度学习 #机器学习
于 2022-08-24 19:12:49 首次发布
这篇博客介绍了PyTorch中torch.eq函数的用法，该函数用于判断矩阵或数值是否逐元素相等。通过示例展示了如何使用torch.eq检查一个张量是否与特定值相等。同时，文章深入探讨了广播机制的概念，解释了当两个张量维度不匹配时，如何通过广播机制扩展张量以进行运算。具体例子中，展示了如何将一个一维张量与自身转置后的二维张量进行比较，生成一个对角线为True的掩码矩阵。此外，还提到了torch.eye作为创建单位矩阵的替代方法。

torch.eq用于判断 两个矩阵是不是逐元素相等，或者和第二个值 相等。

x=torch.arange(6)

y=torch.eq(x,3)

print(x,y)

tensor([0, 1, 2, 3, 4, 5])
tensor([False, False, False,  True, False, False])

-----------------------

核心问题：广播机制，如以下代码：

输出  x=[0,1,2,3,4,5]

x.unsqueeze(-1)

[

[0],

[1],

[2],

[3],

[4],

[5]

]

对x进行转置x.T

[[0,1,2,3,4,5]]

print(torch.eq(x,y))

会输出如下矩阵：

tensor([[ True, False, False, False, False, False],
        [False,  True, False, False, False, False],
        [False, False,  True, False, False, False],
        [False, False, False,  True, False, False],
        [False, False, False, False,  True, False],
        [False, False, False, False, False,  True]])

其实就是一个对角线为true的矩阵，怎么实现的？其实很简单。x和y的维度都不相同，进行广播机制，生成两个 6*6矩阵，

X广播后为

[

[[0],[0],[0],[0],[0],[0]],

[[1],[1],[1],[1],[1],[1]]

...

[[5],[5,[5],[5],[5],[5]]

]

y广播后为：

[

[0,1,2,3,4,5],

[0,1,2,3,4,5],

[0,1,2,3,4,5],

[0,1,2,3,4,5],

[0,1,2,3,4,5],

[0,1,2,3,4,5],

]

这样torch.eq(x,y)后只剩 对角线上是true,其它位置是false了。

这样就生成了一个对角线上为true的掩 码矩阵。当然，也可以用eye

print(torch.eye(6))

PyTorch基础（六）----- torch.eq()方法
热门推荐
奋斗の博客
03-26 3万+
一、torch.eq()方法详解 对两个张量Tensor进行逐元素的比较，若相同位置的两个元素相同，则返回True；若不同，返回False。 torch.eq(input, other, *, out=None) Parameters（参数）: input ：必须是一个Tensor，该张量用于比较 other ：可以是一个张量Tensor，也可以是一个值value return（返回值）：返回一个Boolean类型的张量，对两个张量Tensor进行逐元素的比较，若相同位置的两个元素相同，则返回Tr
Pytorch中比较大小的相关函数：torch.gt()、torch.ge、torch.lt()、torch.le()、torch.eq()、torch.ne()
wrjwww的博客
08-12 1688
这里只以torch.gt()函数举例，其他函数用法与torch.gt()函数类似。Pytorch官方介绍：torch.gt()函数原型：返回值为input与other大小比较的结果。若input大于other返回True，否则返回False。如果input与other的shape相同，那么则在对应位置进行比较；如果input与other的shape不同，则会用到广播机制。当input与other的shape相同时，直接对应位置的值进行比较。
PyTorch新手避坑指南：torch.mul()广播机制详解与实战（附注意力机制应用）
最新发布
weixin_26808439的博客
04-23 307
本文详细解析PyTorch中torch.mul()的广播机制，帮助新手避免常见误区。通过实际案例展示广播在注意力机制中的应用，包括内存优化、计算效率提升和代码简化技巧，特别适合处理矩阵运算和点乘场景。
别再只用==了！PyTorch中torch.eq()与其他比较方法的性能对比（2024实测）
weixin_29056701的博客
03-25 184
本文深入探讨了PyTorch中torch.eq()与其他比较方法的性能差异，通过2024年实测数据展示了不同操作在CPU和CUDA环境下的表现。文章详细解析了各种比较方法的底层实现机制，并提供了高级优化技巧，帮助开发者在深度学习项目中提升性能。
torch.eq()
csweettea的博客
10-30 2274
若predicted与label.data对应数值相同，则torch.eq()返回1，否则返回0，张量类型 torch.eq(predicted,label.data).sum() 返回一个张量，张量值为对应值相同的个数 torch.eq(predicted,label.data).sum().iten()返回值为torch.eq()所有值相加 import torch predict_labels = torch.tensor([0,1 ,2 ,3, 4,6,7]) labels = t...
torch.eq与torch.ne——判断数组中的数值是否相等
qq_50001789的博客
09-18 7444
torch.eq与torch.ne——数组的判断torch.eq()——判断元素是否相等案例代码torch.ne()——判断元素是否不相等案例代码扩展代码案例官方文档 torch.eq()——判断元素是否相等 torch.eq(input, other, *, out=None) → Tensor 功能：判断两个数组的元素是否相等。 输出：返回与输入具有相同形状的张量数组，若对应位置上的元素相等，则该位置上的元素是True，否则是False。 输入： input：要比较的张量数组 other：判断标准(
torch.eq、torch.ne、torch.gt、torch.lt、torch.ge、torch.le
weixin_36670529的博客
03-09 3005
PyTorch - torch.eq、torch.ne、torch.gt、torch.lt、torch.ge、torch.le flyfish torch.eq、torch.ne、torch.gt、torch.lt、torch.ge、torch.le 以上全是简写 参数是input, other, out=None 逐元素比较input和other 返回是torch.BoolTensor import torch a=torch.tensor([[1, 2], [3, 4]]) b=torch.t
PyTorch学习笔记：torch.ge、torch.gt、torch.le、torch.lt、torch.ne、torch.eq
qq_50001789的博客
02-10 3301
PyTorch学习笔记：torch.ge、torch.gt、torch.le、torch.lt、torch.ne、torch.eq，逐元素对比
pytorch中torch.gt()，torch.lt()，torch.eq()
欢迎来到道的世界
10-26 5756
1. torch.gt(), torch.le(), torch.eq()用法介绍  pytorch中逐元素比较两个torch.tensor大小用到了如下的三个函数： torch.gt(input, other, out=None) || input.gt(other,out=None)：input 对应的元素大于other的元素会返回True，否则返回False。参数out表示为一个数或者是与第一个参数相同形状和类型的tensor。 torch.lt(input, other, out=None)||
Pytorch之torch.eq()语法、参数和实际应用案例
王国平的博客
07-18 690
`torch.eq(input, other, out=None)` 是PyTorch中用于逐元素比较两个张量是否相等的函数，返回一个布尔型张量，其中每个元素表示对应位置的元素是否相等。该函数支持广播机制，可处理不同形状但兼容的张量。
【无标题】
Immortal_Sin的博客
12-01 874
python矩阵主对角线赋值
PyTorch学习笔记之基础函数篇（十五）
记录学习过程
03-18 2158
torch.ne() 是 PyTorch 中的一个函数，用于逐元素地比较两个张量（tensors），并返回一个布尔值张量（boolean tensor），其中每个元素表示对应位置上的第一个张量中的元素是否不等于第二个张量中的元素。torch.gt() 是 PyTorch 中的一个函数，用于逐元素地比较两个张量（tensors），并返回一个布尔值张量（boolean tensor），其中每个元素表示对应位置上的第一个张量中的元素是否大于第二个张量中的元素。
Pytorch学习之torch----比较操作(Comparison Ops)
励志的小胡子
07-14 2万+
1. torch.eq(input, other, out=None) 说明： 比较元素是否相等，第二个参数可以是一个数，或者是第一个参数同类型形状的张量 参数： input(Tensor) ---- 待比较张量 other(Tenosr or float) ---- 比较张量或者数 out(Tensor,可选的) ---- 输出张量 返回值： 一个torch.ByteTensor张量，包含了...
PyTorch - torch.eq、torch.ne、torch.gt、torch.lt、torch.ge、torch.le
二分掌柜的
05-28 9162
PyTorch - torch.eq、torch.ne、torch.gt、torch.lt、torch.ge、torch.le flyfish torch.eq、torch.ne、torch.gt、torch.lt、torch.ge、torch.le 以上全是简写 参数是input, other, out=None 逐元素比较input和other 返回是torch.BoolTensor import torch a=torch.tensor([[1, 2], [3, 4]]) b=torch.tens
Pytorch学习记录（二）常用函数整理
艾渃曼の博客
11-17 922
torch.max(input, dim)函数 output = torch.max(input, dim) 输入： input参数是softmax函数输出的一个tensor dim是max函数索引的维度（0/1），0求每列最大值，1求每行最大值 输出： 函数会返回两个tensor，第一个tensor为每行的最大值；第二个tensor是每行最大值的索引 分类问题中标签匹配问题 直接对标签tensor使用 == 操作即可对张量中每个元素进行比较 返回值是一个一维张量值相同为True，反之为.
【代码详解】mask = torch.eq(labels, labels.T).float()
04-30 446
综上，mask张量的每个元素表示了标签数组中对应位置的两个样本是否拥有相同的标签。这在很多机器学习任务中非常有用，特别是在计算相似度或进行对比学习时，可以用来强调同类样本间的相互作用，而忽略不同类样本间的直接比较。这样的转换是必要的，因为在后续的计算中，我们可能需要使用这些值进行加减乘除等数学运算，而这些操作通常要求输入是数值型的。这段代码的目的是创建一个布尔掩码（mask），用于表示输入标签数组中相同标签之间的对称关系。
【PyTorch】PyTorch中张量(Tensor)计算操作
goldfisheye的博客
02-11 1858
上文介绍了PyTorch中张量(Tensor)的拆分和拼接操作，本文将介绍张量的计算操作。
PyTorch 笔记（08）— Tensor 比较运算（torch.gt、lt、ge、le、eq、ne、torch.topk、torch.sort、torch.max、torch.min）
wohu1104的专栏
07-21 9625
1. 说明 比较函数中有一些是逐元素比较，操作类似逐元素操作，还有一些类似归并操作，常用的比较函数如下表所示。 表中第一行的比较操作已经实现了运算符重载，因此可以使用 a>=b，a>b ，a !=b 和 a == b，其返回的结果是一个 ByteTensor，可用来选取元素。 max/min 操作有些特殊，以 max 为例，有以下三种使用情况： t.max(tensor) ： 返回 tensor 中最大的一个数； t.max(tensor，dim) ： 指定维上最大数，返回 tensor 和
torch.eq(input,output).sum().item()
qq_38598635的博客
06-18 3833
从左往右看，torch.eq()函数比较input和output,input必须为tensor类型，output可以为tensor也可以为某个值，当input和output都为tensorlei'x
Pytorch的广播操作(broadcasting semantics)
qq_39463274的博客
04-03 1976
何为广播操作 简而言之，如果PyTorch操作支持广播，则其Tensor参数可以自动扩展为相等大小（无需复制数据）。 通常的含义： 如果张量遵循一下两个规则，那么该张量就具有可广播性(broadcastable): 1.每个张量的维度至少为１ 2.从末尾的维度开始迭代维度尺寸时，维度尺寸必须相等，或者其中之一为1，或者不存在其中之一。 代码实例： >>> x=torch.empt...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值