Pytorch est un cadre open source disponible avec un langage de programmation Python. Tensor est un tableau multidimensionnel utilisé pour stocker les données. Pour utiliser un tenseur, nous devons importer le module de torche. Pour créer un tenseur, la méthode utilisée est tenseur ().
Syntaxe:
torche.tenseur (données)Où les données sont un tableau multidimensionnel.
Torche.trace()
La trace est calculée comme la somme des éléments diagonaux dans une matrice.
Syntaxe:
torche.Trace (Tensor_Object)Paramètre:
Il prend un objet tensor comme un paramètre qui est un tenseur 2D.
Exemple 1:
Créons un tenseur qui a 4 rangées et 4 colonnes et retournant la trace de la matrice du tenseur.
# Importons le module TorchSortir:
Matrice du tenseur réelle:La somme des diagonales est: 2 + 1 + 5 + 0 = 8. Par conséquent, la trace est 8.
Exemple 2:
Créons un tenseur qui a 2 lignes et 2 colonnes et retournant la trace de la matrice du tenseur.
# Importons le module TorchSortir:
Matrice du tenseur réelle:La somme des diagonales est: 2 + 1 = 3. Par conséquent, la trace est 3.
Travailler avec le processeur
Si vous souhaitez exécuter la fonction trace () sur le CPU, nous devons créer un tenseur avec une fonction CPU (). Cela fonctionnera sur une machine CPU.
Lorsque nous créons un tenseur, cette fois, nous pouvons utiliser la fonction CPU ().
Syntaxe:
torche.tenseur (données).CPU()Exemple 1:
Créons un tenseur qui a 4 rangées et 4 colonnes sur le CPU et retournez la trace de la matrice du tenseur.
# Importons le module TorchSortir:
Matrice du tenseur réelle:La somme des diagonales est: 2 + 1 + 5 + 0 = 8. Par conséquent, la trace est 8.
Exemple 2:
Créons un tenseur qui a 2 rangées et 2 colonnes sur le CPU et retournez la trace de la matrice du tenseur.
# Importons le module TorchSortir:
Matrice du tenseur réelle:La somme des diagonales est: 2 + 1 = 3. Par conséquent, la trace est 3.
Conclusion
Dans cette leçon de pytorch, nous avons discuté de la fonction trace (). Il renvoie la somme des éléments diagonaux dans une matrice. Nous avons également discuté des différents exemples et travaillé ces exemples sur une machine CPU.