我不知道为什么张量的结果都是 0。这里有什么问题吗?
>>> import torch
>>> import numpy as np
>>> import math
>>> torch.__version__
'0.4.1'
>>> np.__version__
'1.15.4'
>>> torch.arange(0, 10, 2) *-(math.log(10000.0) / 10)
tensor([0, 0, 0, 0, 0])
>>> np.arange(0, 10, 2) *-(math.log(10000.0) / 10)
array([-0. , -1.84206807, -3.68413615, -5.52620422, -7.3682723 ])
>>> torch.arange(0, 10, 2)
tensor([0, 2, 4, 6, 8])
>>> np.arange(0, 10, 2)
array([0, 2, 4, 6, 8])
最佳答案
正如在使用 时的评论中所写的那样0.4.0 获得与 numpy 相同的结果:
tensor([-0.0000, -1.8421, -3.6841, -5.5262, -7.3683])
然而与
0.4.1
我也得到了一个零向量。这样做的原因是
torch.arange(0, 10, 2)
返回 float
类型的张量为 0.4.0 而它返回类型为 long
的张量为 0.4.1 .所以将你的张量转换为
float
应该适合你:torch.arange(0, 10, 2).float() *-(math.log(10000.0) / 10)
乘法
long
和 float
通过重舍入工作,因为结果仍然是 long
类型的张量.所以在转换 FloatTensor
时到 LongTensor
-1 和 1 之间的值将四舍五入为 0。自
-(math.log(10000.0) / 10)
结果 -0.9210340371976183
您的结果是 0
.如此有效 -0.9210340371976183
转换为类型 long
乘之前。但是在转换时它会向下舍入为 0
,看这个例子:t = torch.tensor((-(math.log(10000.0) / 10)))
print('FloatTensor:', t)
print('Converted to Long:', t.long())
输出:
FloatTensor: tensor(-0.9210)
Converted to Long: tensor(0)
因此:
torch.arange(0, 10, 2).float() *-(math.log(10000.0) / 10)
变成:
torch.arange(0, 10, 2).float() * 0
因此,您会得到一个零张量。
还有一些例子:
如果您将其乘以 1 到 2 之间的值,比如说 1.7,它将始终向下舍入为 1:
t = torch.tensor(range(5), dtype=torch.long)
print(t)
print(t * 1.7)
输出:
tensor([ 0, 1, 2, 3, 4])
tensor([ 0, 1, 2, 3, 4])
与
2.7
相乘时类似导致 2
的有效乘法:t = torch.tensor(range(5), dtype=torch.long)
print(t)
print(t * 2.7)
输出:
tensor([ 0, 1, 2, 3, 4])
tensor([ 0, 2, 4, 6, 8])
关于python - PyTorch - 将张量与标量相乘得到零向量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53467011/