pytorch中一些常用函数（1）

pytorch中的数学函数

torch.histc（）：指定最小值最大值和bin数，对tensor中的数据进行区段统计。

a = torch.rand(2,2)*10
print(a)
#6表示取6个区间段，0，0，表示采用Tensor中的最大值和最小值，也可以自己更改区间上的最大值和最小值
print( torch.histc(a,6, 0, 0) )
运行结果如下：
tensor([[5.5695, 1.2099],
        [1.3061, 1.0443]])   #a的值
tensor([3., 0., 0., 0., 0., 1.]) #6个区间段中数据的的统计

注：torch.bincount()只支持一维的Tensor

a = torch.randint(0, 10, [10]) #取0-10中间任意10个数
print(a)
print( torch.bincount(a) )
运行结果如下：
tensor([8, 1, 2, 9, 9, 8, 1, 7, 8, 7])  #a的取值
tensor([0, 2, 1, 0, 0, 0, 0, 2, 3, 2]) #表示0-9每个数字出现的频率

pytorch中的分布函数

范数：
常用来被度量某个向量空间（或矩阵）中的每个向量的长度或大小（最熟悉的是向量的模），满足的条件有1.非负性，2.齐次性，3.三角不等式。
范数种类：
0范数（指在当前的向量中非零元素的个数和），1范数（向量元素绝对值的和），2范数（向量元素的平方和再开根号），P范数（元素绝对值的p次方和再开1/p次幂的结果），核范数（针对低秩问题求解）等

 torch.dist( input, other,  p=2 ) #计算p范数，完成向量与向量之间距离的度量
 torch。norm（ input，p=2 ） # 与上面不同，这是计算某一个向量的范数。p=“fro”为核范数