برنامه نویسی

gt()، lt()، ge() و le() در PyTorch

ek3nk4r 2024-04-15

16 5 دقیقه قبل خوانده شده

پیشنهاد ویژه

قیمت لیر ترکیه اعزام دانشجو تحصیل در ترکیه خرید فالوور اینستاگرام

پست من برابر () ، eq () و ne () را توضیح می دهد.

gt() می تواند بررسی کند که تانسور 1 از نظر عنصر تانسور 2 بزرگتر است همانطور که در زیر نشان داده شده است:

*یادداشت ها:

gt() را می توان هم از مشعل و هم از تانسور نامید.
تانسورها می توانند تانسورهای 0D یا بیشتر D باشند.
نمی توان از یک یا چند عدد مختلط استفاده کرد.
gt() و greater() یکسان هستند زیرا greater() نام مستعار است gt():

import torch

tensor1 = torch.tensor(5)
tensor2 = torch.tensor([[3, 5, 4], [6, 3, 5]])
torch.gt(tensor1, tensor2)
tensor1.gt(tensor2)
# tensor([[True, False, True], [False,  True, False]])
torch.gt(tensor2, tensor1)
tensor2.gt(tensor1)
# tensor([[False, False, False], [ True, False, False]])

tensor1 = torch.tensor([[5, 0, 3]])
tensor2 = torch.tensor([[5, 5, 5], [0, 0, 0], [3, 3, 3]])
torch.gt(tensor1, tensor2)
tensor1.gt(tensor2)
# tensor([[False, False, False],
#         [True, False, True], 
#         [True, False, False]])
torch.gt(tensor2, tensor1)
tensor2.gt(tensor1)
# tensor([[False, True, True],
#         [False, False, False],
#         [False, True, False]])

tensor1 = torch.tensor([[5, 0, 3], [6, 9, 1]])
tensor2 = torch.tensor([[[2, 7, 3], [6, 3, 1]],
                        [[5, 0, 4], [8, 9, 7]]])
torch.gt(tensor1, tensor2)
tensor1.gt(tensor2)
# tensor([[[True, False, False], [False, True, False]],
#         [[False, False, False], [False, False, False]]])
torch.gt(tensor2, tensor1)
tensor2.gt(tensor1)
# tensor([[[False, True, False], [False, False, False]],
#         [[False, False, True], [True, False, True]]])

tensor1 = torch.tensor([[5, 0, 3], [6, 9, 1]])
tensor2 = torch.tensor([[[2., 7., 3.], [6., 3., True]],
                        [[5., False, 4.], [8., 9., 7.]]])
torch.gt(tensor1, tensor2)
tensor1.gt(tensor2)
# tensor([[[True, False, False], [False, True, False]],
#         [[False, False, False], [False, False, False]]])
torch.gt(tensor2, tensor1)
tensor2.gt(tensor1)
# tensor([[[False, True, False], [False, False, False]],
#         [[False, False, True], [True, False, True]]])

tensor1 = torch.tensor([[6, 9, 1], [5, 0, 3]])
tensor2 = torch.tensor([[[2, 7, 3], [6, 3, 1]],
                        [[5, 0, 4], [8, 9, 7]]])
torch.gt(tensor1, tensor2)
tensor1.gt(tensor2)
# tensor([[[True, True, False], [False, False, True]],
#         [[True, True, False], [False, False, False]]])
torch.gt(tensor2, tensor1)
tensor2.gt(tensor1)
# tensor([[[False, False, True], [True, True, False]],
#         [[False, False, True], [True, True, True]]])

lt() همانطور که در زیر نشان داده شده است می تواند بررسی کند که تانسور اول از نظر عنصر تانسور دوم کمتر است:

*یادداشت ها:

lt() می توان هر دو را از torch و یک تانسور
تانسورها می توانند تانسورهای 0D یا بیشتر D باشند.
نمی توان از یک یا چند عدد مختلط استفاده کرد.
lt() و less() یکسان هستند زیرا less() نام مستعار است lt():

import torch

tensor1 = torch.tensor(5)
tensor2 = torch.tensor([[3, 5, 4], [6, 3, 5]])
torch.lt(tensor1, tensor2)
tensor1.lt(tensor2)
# tensor([[False, False, False], [True, False, False]])
torch.lt(tensor2, tensor1)
tensor2.lt(tensor1)
# tensor([[ True, False, True], [False, True, False]])

tensor1 = torch.tensor([[5, 0, 3]])
tensor2 = torch.tensor([[5, 5, 5], [0, 0, 0], [3, 3, 3]])
torch.lt(tensor1, tensor2)
tensor1.lt(tensor2)
# tensor([[False, True, True],
#         [False, False, False],
#         [False, True, False]])
torch.lt(tensor2, tensor1)
tensor2.lt(tensor1)
# tensor([[False, False, False],
#         [True, False, True],
#         [True, False, False]])

tensor1 = torch.tensor([[5, 0, 3], [6, 9, 1]])
tensor2 = torch.tensor([[[2, 7, 3], [6, 3, 1]],
                        [[5, 0, 4], [8, 9, 7]]])
torch.lt(tensor1, tensor2)
tensor1.lt(tensor2)
# tensor([[[False, True, False], [False, False, False]],
#         [[False, False, True], [True, False, True]]])
torch.lt(tensor2, tensor1)
tensor2.lt(tensor1)
# tensor([[[True, False, False], [False, True, False]],
#         [[False, False, False], [False, False, False]]])

tensor1 = torch.tensor([[5, 0, 3], [6, 9, 1]])
tensor2 = torch.tensor([[[2., 7., 3.], [6., 3., True]],
                        [[5., False, 4.], [8., 9., 7.]]])
torch.lt(tensor1, tensor2)
tensor1.lt(tensor2)
# tensor([[[False,  True, False], [False, False, False]],
#         [[False, False, True], [True, False, True]]])
torch.lt(tensor2, tensor1)
tensor2.lt(tensor1)
# tensor([[[True, False, False], [False, True, False]],
#         [[False, False, False], [False, False, False]]])

tensor1 = torch.tensor([[6, 9, 1], [5, 0, 3]])
tensor2 = torch.tensor([[[2, 7, 3], [6, 3, 1]],
                        [[5, 0, 4], [8, 9, 7]]])
torch.lt(tensor1, tensor2)
tensor1.lt(tensor2)
# tensor([[[False, False, True], [True, True, False]],
#        [[False, False, True], [True, True, True]]])
torch.lt(tensor2, tensor1)
tensor2.lt(tensor1)
# tensor([[[True, True, False], [False, False, True]],
#         [[True, True, False], [False, False, False]]])

ge() می‌تواند بررسی کند که تانسور اول از نظر عنصر تانسور بزرگتر یا مساوی است، همانطور که در زیر نشان داده شده است:

*یادداشت ها:

ge() می توان هر دو را از torch و یک تانسور
تانسورها می توانند تانسورهای 0D یا بیشتر D باشند.
نمی توان از یک یا چند عدد مختلط استفاده کرد.
ge() و () greater_equal یکسان هستند زیرا greater_equal() نام مستعار است ge():

import torch

tensor1 = torch.tensor(5)
tensor2 = torch.tensor([[3, 5, 4], [6, 3, 5]])
torch.ge(tensor1, tensor2)
tensor1.ge(tensor2)
# tensor([[True, True, True], [False, True, True]])
torch.ge(tensor2, tensor1)
tensor2.ge(tensor1)
# tensor([[False, True, False], [True, False, True]])

tensor1 = torch.tensor([[5, 0, 3]])
tensor2 = torch.tensor([[5, 5, 5], [0, 0, 0], [3, 3, 3]])
torch.ge(tensor1, tensor2)
tensor1.ge(tensor2)
# tensor([[True, False, False],
#         [True, True, True],
#         [True, False, True]])
torch.ge(tensor2, tensor1)
tensor2.ge(tensor1)
# tensor([[True, True, True],
#         [False, True, False],
#         [False, True, True]])

tensor1 = torch.tensor([[5, 0, 3], [6, 9, 1]])
tensor2 = torch.tensor([[[2, 7, 3], [6, 3, 1]],
                        [[5, 0, 4], [8, 9, 7]]])
torch.ge(tensor1, tensor2)
tensor1.ge(tensor2)
# tensor([[[True, False, True], [True, True, True]],
#         [[True, True, False], [False, True, False]]])
torch.ge(tensor2, tensor1)
tensor2.ge(tensor1)
# tensor([[[False, True, True], [True, False, True]],
#         [[True, True, True], [True, True, True]]])

tensor1 = torch.tensor([[5, 0, 3], [6, 9, 1]])
tensor2 = torch.tensor([[[2., 7., 3.], [6., 3., True]],
                        [[5., False, 4.], [8., 9., 7.]]])
torch.ge(tensor1, tensor2)
tensor1.ge(tensor2)
# tensor([[[True, False, True], [True, True, True]],
#         [[True, True, False], [False, True, False]]])
torch.ge(tensor2, tensor1)
tensor2.ge(tensor1)
# tensor([[[False, True, True], [True, False, True]],
#         [[True, True, True], [True, True, True]]])

tensor1 = torch.tensor([[6, 9, 1], [5, 0, 3]])
tensor2 = torch.tensor([[[2, 7, 3], [6, 3, 1]],
                        [[5, 0, 4], [8, 9, 7]]])
torch.ge(tensor1, tensor2)
tensor1.ge(tensor2)
# tensor([[[True, True, False], [False, False, True]],
#         [[True, True, False], [False, False, False]]])
torch.ge(tensor2, tensor1)
tensor2.ge(tensor1)
# tensor([[[False, False, True], [True, True, False]],
#         [[False, False, True], [True, True, True]]])

le() می‌تواند بررسی کند که تانسور اول از نظر عنصر تانسور کمتر یا مساوی است، همانطور که در زیر نشان داده شده است:

*یادداشت ها:

le() می توان هر دو را از torch و یک تانسور
تانسورها می توانند تانسورهای 0D یا بیشتر D باشند.
نمی توان از یک یا چند عدد مختلط استفاده کرد.
le() و () less_equal یکسان هستند زیرا less_equal() نام مستعار است le():

import torch

tensor1 = torch.tensor(5)
tensor2 = torch.tensor([[3, 5, 4], [6, 3, 5]])
torch.le(tensor1, tensor2)
tensor1.le(tensor2)
# tensor([[False, True, False],　[True, False, True]])

torch.le(tensor2, tensor1)
tensor2.le(tensor1)
# tensor([[True, True, True], [False, True, True]])

tensor1 = torch.tensor([[5, 0, 3]])
tensor2 = torch.tensor([[5, 5, 5], [0, 0, 0], [3, 3, 3]])
torch.le(tensor1, tensor2)
tensor1.le(tensor2)
# tensor([[True, True, True],
#         [False, True, False],
#         [False, True, True]])
torch.le(tensor2, tensor1)
tensor2.le(tensor1)
# tensor([[True, False, False],
#         [True, True, True],
#         [True, False, True]])

tensor1 = torch.tensor([[5, 0, 3], [6, 9, 1]])
tensor2 = torch.tensor([[[2, 7, 3], [6, 3, 1]],
                        [[5, 0, 4], [8, 9, 7]]])
torch.le(tensor1, tensor2)
tensor1.le(tensor2)
# tensor([[[False, True, True], [True, False, True]],
#         [[True, True, True], [True, True, True]]])
torch.le(tensor2, tensor1)
tensor2.le(tensor1)
# tensor([[[True, False, True], [True, True, True]],
#         [[True, True, False], [False, True, False]]])

tensor1 = torch.tensor([[5, 0, 3], [6, 9, 1]])
tensor2 = torch.tensor([[[2., 7., 3.], [6., 3., True]],
                        [[5., False, 4.], [8., 9., 7.]]])
torch.le(tensor1, tensor2)
tensor1.le(tensor2)
# tensor([[[False, True, True], [True, False, True]],
#         [[True, True, True], [True, True, True]]])
torch.le(tensor2, tensor1)
tensor2.le(tensor1)
# tensor([[[True, False, True], [True, True, True]],
#         [[True, True, False], [False, True, False]]])

tensor1 = torch.tensor([[6, 9, 1], [5, 0, 3]])
tensor2 = torch.tensor([[[2, 7, 3], [6, 3, 1]],
                        [[5, 0, 4], [8, 9, 7]]])
torch.le(tensor1, tensor2)
tensor1.le(tensor2)
# tensor([[[False, False, True], [True, True, False]],
#         [[False, False, True], [True, True, True]]])
torch.le(tensor2, tensor1)
tensor2.le(tensor1)
# tensor([[[True, True, False], [False, False, True]],
#         [[True, True, False], [False, False, False]]])