本文主要是介绍Pytorch：Tensor基本运算【add/sub/mul/div：加减乘除】【mm/matmul：矩阵相乘】【Pow/Sqrt/rsqrt：次方】【近似：floor...】【裁剪：clamp】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一、基本运算：加减乘除
1、乘法
1.1 a * b：element-wise 对应元素相乘
a * b：要求两个矩阵维度完全一致，即两个矩阵对应元素相乘，输出的维度也和原矩阵维度相同
1.2 torch.mul(a, b)：element-wise 对应元素相乘
torch.mul(a, b)：是矩阵a和b对应位相乘，a和b的维度必须相等，比如a的维度是(1, 2)，b的维度是(1, 2)，返回的仍是(1, 2)的矩阵
1.3 torch.mm(a,b)：只能用于二维矩阵
torch.mm(a,b)，要求两个矩阵维度是（n×m）和（m×p），即普通二维矩阵乘法
1.4 torch.matmul(a,b)：可用于多维矩阵（只取最后2个维度做矩阵乘法）（适用broadcast机制）
torch.matul(a,b)，matmul可以进行张量乘法，输入可以是高维，当输入是多维时，把多出的一维作为batch提出来，其他部分做矩阵乘法
重载运算符：@
其实就是支持多个矩阵对的并行相乘
二、Pow
三、exp
四、log
五、近似
六、裁剪：clamp
梯度的模一般小于10合适，如果是>100了，则太大了，需要梯度裁剪。
梯度的模：W.grad.norm(2)
grad.clamp(10)：表示将元素种小于10的元素都置为10
参考资料：
pytorch中tensor的加减乘除和常见操作
Pytorch Tensor基本数学运算
这篇关于Pytorch：Tensor基本运算【add/sub/mul/div：加减乘除】【mm/matmul：矩阵相乘】【Pow/Sqrt/rsqrt：次方】【近似：floor...】【裁剪：clamp】的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
