Pytorch - isneginf

Sprawdzimy, czy pierwiastki w tensorze są ujemne nieskończone, czy też nie używa metody isneginf () w tym samouczku Pytorcha.

Pytorch to open source dostępny z językiem programowania Python. TENSOR to wielowymiarowa tablica używana do przechowywania danych. Aby użyć tensor, musimy zaimportować moduł pochodni. Aby utworzyć tensor, zastosowaną metodą jest tensor ().

Składnia:

latarka.tensor (dane)

Gdzie dane są wielowymiarową tablicą.

Latarka.isneginf ()

Isneginf () w Pytorch zwraca prawdziwie dla elementów, jeśli element jest ujemny nieskończoność. W przeciwnym razie zwraca fałsz. Wymaga jednego parametru.

Składnia:

latarka.isneginf (tensor_object)

Parametr:

Tensor_Object to tensor.

Powrót:

Zwraca tensor logiczny w odniesieniu do rzeczywistego tensora.

Reprezentacja:

Pozytywna nieskończoność - Float („Inf”)
Negatywna nieskończoność - float (' - inf')
Nie liczba - float („nan”)

Przykład 1:

W tym przykładzie utworzymy tensor o jednym wymiarze, który ma 5 elementów i sprawdzimy, czy te 5 elementów są ujemne nieskończone, czy nie.

#Import Moduł pochodni
Importuj pochodnię
#Utwórz tensor
data1 = pochodnia.tensor ([12,34,56,1, float ('-inf')]))
#wyświetlacz
Drukuj („Rzeczywisty tensor:”)
Drukuj (dane 1)
Drukuj („Sprawdź ujemne nieskończone”)
Drukuj (pochodnia.isneginf (data1))

Wyjście:

Rzeczywisty tensor:
tensor ([12., 34., 56., 1., -inf])
Sprawdź ujemne nieskończone
tensor ([false, false, false, false, true])

Pracujący:

1. Dwanaście (12) nie jest nieskończoność, więc jest skończone (fałszywe)
2. Trzydzieści cztery (34) nie jest nieskończoności, więc jest skończone (fałszywe)
3. Pięćdziesiąt sześć (56) nie jest nieskończoność, więc jest skończona (fałszywa)
4. Jeden (1) nie jest nieskończonością, więc jest skończony (fałszywy)
5. -Inf jest ujemną nieskończonością (prawdziwa)

Przykład 2:

W tym przykładzie utworzymy tensor o jednym wymiarze, który ma 5 elementów i sprawdzimy, czy te 5 elementów są ujemne nieskończone, czy nie.

#Import Moduł pochodni
Importuj pochodnię
#Utwórz tensor
data1 = pochodnia.tensor ([float ('-inf'), 34,56, float („nan”), float ('inf')])
#wyświetlacz
Drukuj („Rzeczywisty tensor:”)
Drukuj (dane 1)
Drukuj („Sprawdź ujemne nieskończone”)
Drukuj (pochodnia.isneginf (data1))
Wyjście:
Rzeczywisty tensor:
tensor ([-inf, 34., 56., nan, inf])
Sprawdź ujemne nieskończone
tensor ([true, false, false, false, false])

Pracujący:

1. -Inf jest ujemną nieskończonością (prawdziwa)
2. Trzydzieści cztery (34) nie jest ani nieskończoność, ani nan, więc jest skończone (fałszywe)
3. Pięćdziesiąt sześć (56) nie jest ani nieskończoność, ani NAN, więc jest skończony (fałszywy)
4. Nan nie jest liczbą, więc nie jest nieskończoność (fałszywa)
5. INF jest dodatnią nieskończonością, więc nie jest ujemny (fałszywy)

Przykład 3:

W tym przykładzie utworzymy tensor z dwoma wymiarami, który ma 5 elementów w każdym rzędzie i sprawdzi, czy te 5 elementów są ujemne nieskończone, czy nie.

#Import Moduł pochodni
Importuj pochodnię
#Utwórz tensor 2D
data1 = pochodnia.tensor ([[float ('-inf'), 34,56, float („nan”), float („inf”)], [float ('-inf'), 100, -4, float („nan” ), float ('inf')]))
#wyświetlacz
Drukuj („Rzeczywisty tensor:”)
Drukuj (dane 1)
Drukuj („Sprawdź ujemne nieskończone”)
Drukuj (pochodnia.isneginf (data1))

Wyjście:

Rzeczywisty tensor:
tensor ([[-inf, 34., 56., nan, inf],
[-inf, 100., -4., nan, inf]])
Sprawdź ujemne nieskończone
tensor ([[true, false, false, false, false],
[Prawda, false, false, false, false]])

Pracujący:

1. -Inf jest ujemną nieskończonością (prawdziwa), -inf jest ujemną nieskończonością (prawda).
2. Trzydzieści cztery (34) nie jest ani nieskończoność, ani nan, więc jest skończone (fałszywe). Sto (100) nie jest ani nieskończoność, ani NAN, więc jest skończona (fałszywa).
3. Pięćdziesiąt sześć (56) nie jest ani nieskończoność, ani NAN, więc jest skończony (fałszywy). Negatywne cztery (-4) nie jest ani nieskończoność, ani NAN, więc jest skończony (fałszywy).
4. Nan nie jest liczbą, więc nie jest nieskończony (fałszywy). Nan nie jest liczbą, więc nie jest nieskończony (fałszywy).
5. INF jest dodatnim nieskończonością (fałszywe). INF jest dodatnim nieskończonością (fałszywe).

Pracuj z CPU

Jeśli chcesz uruchomić funkcję isneginf () na procesorze, musimy utworzyć tensor z funkcją cpu (). Będzie to działać na komputerze procesora. Kiedy tworzymy tensor, tym razem możemy użyć funkcji CPU ().

Składnia:

latarka.tensor (dane).procesor()

Przykład 1:

W tym przykładzie utworzymy tensor o jednym wymiarze, który ma 5 elementów na procesorze i sprawdzi, czy te 5 elementów są ujemne nieskończone, czy nie.

#Import Moduł pochodni
Importuj pochodnię
#Utwórz tensor
data1 = pochodnia.tensor ([12,34,56,1, float ('-inf')])).procesor()
#wyświetlacz
Drukuj („Rzeczywisty tensor:”)
Drukuj (dane 1)
Drukuj („Sprawdź ujemne nieskończone”)
Drukuj (pochodnia.isneginf (data1))

Wyjście:

Rzeczywisty tensor:
tensor ([12., 34., 56., 1., -inf])
Sprawdź ujemne nieskończone
tensor ([false, false, false, false, true])

Pracujący:

1. Dwanaście (12) nie jest nieskończoność, więc jest skończone (fałszywe).
2. Trzydzieści cztery (34) nie jest nieskończoności, więc jest skończone (fałszywe).
3. Pięćdziesiąt sześć (56) nie jest nieskończoność, więc jest skończona (fałszywa).
4. Jeden (1) nie jest nieskończonością, więc jest skończony (fałszywy).
5. -Inf jest ujemną nieskończonością (prawdziwa).

Przykład 2:

W tym przykładzie utworzymy tensor o jednym wymiarze, który ma 5 elementów na procesorze i sprawdzi, czy te 5 elementów są ujemne nieskończone, czy nie.

#Import Moduł pochodni
Importuj pochodnię
#Utwórz tensor
data1 = pochodnia.tensor ([float ('-inf'), 34,56, float („nan”), float ('inf')]).procesor()
#wyświetlacz
Drukuj („Rzeczywisty tensor:”)
Drukuj (dane 1)
Drukuj („Sprawdź ujemne nieskończone”)
Drukuj (pochodnia.isneginf (data1))

Wyjście:

Rzeczywisty tensor:
tensor ([-inf, 34., 56., nan, inf])
Sprawdź ujemne nieskończone
tensor ([true, false, false, false, false])

Pracujący:

1. -Inf jest ujemną nieskończonością (prawdziwa).
2. Trzydzieści cztery (34) nie jest ani nieskończoność, ani nan, więc jest skończone (fałszywe).
3. Pięćdziesiąt sześć (56) nie jest ani nieskończoność, ani NAN, więc jest skończony (fałszywy).
4. Nan nie jest liczbą, więc nie jest nieskończoność (fałszywa).
5. INF jest dodatnią nieskończonością, więc nie jest ujemny (fałszywy).

Przykład 3:

W tym przykładzie utworzymy tensor z dwoma wymiarami, który ma 5 elementów na procesorze w każdym rzędzie i sprawdzi, czy te 5 elementów jest ujemne nieskończone, czy nie.

#Import Moduł pochodni
Importuj pochodnię
#Utwórz tensor 2D
data1 = pochodnia.tensor ([[float ('-inf'), 34,56, float („nan”), float („inf”)], [float ('-inf'), 100, -4, float („nan” ), float ('inf')])).procesor()
#wyświetlacz
Drukuj („Rzeczywisty tensor:”)
Drukuj (dane 1)
Drukuj („Sprawdź ujemne nieskończone”)
Drukuj (pochodnia.isneginf (data1))

Wyjście:

Rzeczywisty tensor:
tensor ([[-inf, 34., 56., nan, inf],
[-inf, 100., -4., nan, inf]])
Sprawdź ujemne nieskończone
tensor ([[true, false, false, false, false],
[Prawda, false, false, false, false]])

Pracujący:

1. -Inf jest ujemną nieskończonością (prawdziwa). -Inf jest ujemną nieskończonością (prawdziwa).
2. Trzydzieści cztery (34) nie jest ani nieskończoność, ani nan, więc jest skończone (fałszywe). Sto (100) nie jest ani nieskończoność, ani NAN, więc jest skończona (fałszywa).
3. Pięćdziesiąt sześć (56) nie jest ani nieskończoność, ani NAN, więc jest skończony (fałszywy). Negatywne cztery (-4) nie jest ani nieskończoność, ani NAN, więc jest skończony (fałszywy).
4. Nan nie jest liczbą, więc nie jest nieskończony (fałszywy). Nan nie jest liczbą, więc nie jest nieskończony (fałszywy).
5. INF jest dodatnim nieskończonością (fałszywe). INF jest dodatnim nieskończonością (fałszywe).

Wniosek

W tej lekcji Pytorcha omówiliśmy metodę isneginf (). Zwraca fałsz dla elementów, jeśli element nie jest ujemny nieskończoność. W przeciwnym razie powraca prawdziwie.