Pytorch - Count_nonzero

Pytorch to open source framework dla języka programowania Pythona.

Tensor to wielowymiarowa tablica, która jest używana do przechowywania danych. Aby użyć tensora, musimy zaimportować moduł pochodni.

Aby utworzyć tensor, zastosowana metoda to TENSOR ().

Składnia:

latarka.tensor (dane)

Gdzie dane są wielowymiarową tablicą.

latarka.count_nonzero ()

latarka.count_nonzero () służy do zwrócenia całkowitej liczby niezerowych elementów obecnych w tensorze. Wymaga dwóch parametrów.

Składnia:
latarka.count_nonzero (tensor_object, dim)

Parametry:

1. Tensor to tensor wejściowy.
2. Dim ma zmniejszyć wymiar. DIM = 0 Określa porównanie kolumny, które otrzyma całkowitą sumę niezerysów wzdłuż kolumny, a DIM = 1 określa porównanie wierszy, które otrzymają całkowitą sumę niezerów wzdłuż wiersza.

Przykład 1:

W tym przykładzie utworzymy tensor z dwoma wymiarami, który ma dwa wiersze i dwie kolumny i zastosujemy hrabia_nonzero () na rzędach.

#Zaimportujmy moduł pochodni
Importuj pochodnię
#Utwórz tensor z 2 wymiarami (3 * 5)
#z losowymi elementami za pomocą funkcji randn ()
Data = pochodnia.tensor ([[0,0], [1,0]])
#wyświetlacz
Drukuj (dane)
wydrukować()
#Get Count of Non Zeros wzdłuż wierszy
Drukuj („Całkowita liczba nie zerowych w rzędach:”)
Drukuj (pochodnia.count_nonzero (dane, dim = 1))

Wyjście:

tensor ([[0, 0],
[1, 0]])
Całkowita liczba nie zerowych w rzędach:
tensor ([0, 1])

Widzimy, że całkowita liczba niezerów w pierwszym rzędzie wynosi 0, a w drugim rzędzie to 1.

Przykład 2:

W tym przykładzie utworzymy tensor z dwoma wymiarami, który ma dwa wiersze i dwie kolumny i zastosujemy hrabia_nonzero () na kolumnach.

#Zaimportujmy moduł pochodni
Importuj pochodnię
#Utwórz tensor z 2 wymiarami (3 * 5)
#z losowymi elementami za pomocą funkcji randn ()
Data = pochodnia.tensor ([[0,0], [1,0]])
#wyświetlacz
Drukuj (dane)
wydrukować()
#Get Count of Non Zeros wzdłuż kolumn
Drukuj („Całkowita liczba osób nie zerowych w kolumnach:”)
Drukuj (pochodnia.count_nonzero (dane, dim = 0))

Wyjście:

tensor ([[0, 0],
[1, 0]])
Całkowita liczba nie zerowych w kolumnach:
tensor ([1, 0])

Widzimy, że całkowita liczba niezerów w pierwszej kolumnie wynosi 1, a w drugiej kolumnie to 0.

Pracuj z CPU

Jeśli chcesz uruchomić funkcję Count_nonzero () na CPU, musimy utworzyć tensor z funkcją cpu (). Będzie to działać na komputerze procesora.

W tej chwili, kiedy tworzymy tensor, możemy użyć funkcji CPU ().

Składnia:
latarka.tensor (dane).procesor()

Przykład 1:

W tym przykładzie utworzymy tensor z dwoma wymiarami na procesorze, który ma dwa wiersze i dwie kolumny i zastosujemy hrabia_nonzero () na rzędach.

#Zaimportujmy moduł pochodni
Importuj pochodnię
#Utwórz tensor z 2 wymiarami (3 * 5)
#z losowymi elementami za pomocą funkcji randn ()
Data = pochodnia.tensor ([[0,0], [1,0]]).procesor()
#wyświetlacz
Drukuj (dane)
wydrukować()
#Get Count of Non Zeros wzdłuż wierszy
Drukuj („Całkowita liczba nie zerowych w rzędach:”)
Drukuj (pochodnia.count_nonzero (dane, dim = 1))

Wyjście:

tensor ([[0, 0],
[1, 0]])
Całkowita liczba nie zerowych w rzędach:
tensor ([0, 1])

Widzimy, że całkowita liczba niezerów w pierwszym rzędzie wynosi 0, a w drugim rzędzie to 1.

Przykład 2:

W tym przykładzie utworzymy tensor z 2 wymiarami na procesorze, który ma dwa wiersze i dwie kolumny i zastosujemy Count_nonzero () na kolumnach.

#Zaimportujmy moduł pochodni
Importuj pochodnię
#Utwórz tensor z 2 wymiarami (3 * 5)
#z losowymi elementami za pomocą funkcji randn ()
Data = pochodnia.tensor ([[0,0], [1,0]]).procesor()
#wyświetlacz
Drukuj (dane)
wydrukować()
#Get Count of Non Zeros wzdłuż kolumn
Drukuj („Całkowita liczba osób nie zerowych w kolumnach:”)
Drukuj (pochodnia.count_nonzero (dane, dim = 0))

Wyjście:

tensor ([[0, 0],
[1, 0]])
Całkowita liczba nie zerowych w kolumnach:
tensor ([1, 0])

Widzimy, że całkowita liczba niezerów w pierwszej kolumnie wynosi 1, a w drugiej kolumnie to 0.

Wniosek

W tej lekcji Pytorcha omówiliśmy funkcję Count_nonzero (). Zwraca całkowitą liczbę niezerowych elementów obecnych w tensorze. Widzieliśmy różne przykłady i opracowaliśmy te przykłady na komputerze procesora.