isclose در PyTorch – DEV Community

Summarize this content to 400 words in Persian Lang
برای من یک قهوه بخر☕

*یادداشت ها:

isclose() می تواند بررسی کند که آیا عناصر صفر یا بیشتر از تانسور D 0 یا بیشتر برابر یا تقریباً برابر با صفر یا بیشتر عنصر تانسور دوم 0D یا بیشتر از نظر تانسور D هستند یا خیر، تانسور 0D یا بیشتر D را بدست می آورد. عنصر صفر یا بیشتر مطابق شکل زیر:

*یادداشت ها:

isclose() می توان با مشعل یا تانسور استفاده کرد.
استدلال اول (input) با torch یا با استفاده از یک تانسور (الزامی-نوع:tensor از int، float، complex یا bool).
استدلال دوم با torch یا آرگومان 1 با تانسور است other(الزامی-نوع:tensor از int، float، complex یا bool).
استدلال سوم با torch یا آرگومان دوم با تانسور است rtol(اختیاری-پیش فرض:1e-05-نوع:float).
استدلال چهارم با torch یا آرگومان 3 با تانسور است atol(اختیاری-پیش فرض:1e-08-نوع:float).
استدلال پنجم با torch یا آرگومان 4 با تانسور است equal_nan(اختیاری-پیش فرض:False-نوع:bool): *یادداشت ها:

اگر این است True، nan و nan بازگشت True.
اساسا، nan و nan بازگشت False.

فرمول این است |input – other| <= rtol x |other| + atol.

import torch

tensor1 = torch.tensor([1.00001001, 1.00000996, 1.00000995, torch.nan])
tensor2 = torch.tensor([1., 1., 1., torch.nan])

torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor1, other=tensor2,
rtol=1e-05, atol=1e-08, equal_nan=False)
# 0.00001 # 0.00000001
tensor1.isclose(other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([False, False, True, False])

torch.isclose(input=tensor1, other=tensor2, equal_nan=True)
# tensor([False, False, True, True])

tensor1 = torch.tensor([[1.00001001, 1.00000996],
[1.00000995, torch.nan]])
tensor2 = torch.tensor([[1., 1.],
[1., torch.nan]])
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[False, False],
# [True, False]])

tensor1 = torch.tensor([[[1.00001001],
[1.00000996]],
[[1.00000995],
[torch.nan]]])
tensor2 = torch.tensor([[[1.], [1.]],
[[1.], [torch.nan]]])
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[[False], [False]],
# [[True], [False]]])

tensor1 = torch.tensor([[1.00001001, 1.00000996],
[1.00000995, torch.nan]])
tensor2 = torch.tensor([1., 1.])

torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[False, False],
# [True, False]])

tensor1 = torch.tensor([[1.00001001, 1.00000996],
[1.00000995, torch.nan]])
tensor2 = torch.tensor(1.)

torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[False, False],
# [True, False]])

tensor1 = torch.tensor([0, 1, 2])
tensor2 = torch.tensor(1)

torch.isclose(input=tensor1, other=tensor2)
# tensor([False, True, False])

tensor1 = torch.tensor([0.+0.j, 1.+0.j, 2.+0.j])
tensor2 = torch.tensor(1.+0.j)

torch.isclose(input=tensor1, other=tensor2)
# tensor([False, True, False])

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

torch.isclose(input=tensor1, other=tensor2)
# tensor([False, True, False])

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

import torch

tensor1 = torch.tensor([1.00001001, 1.00000996, 1.00000995, torch.nan])
tensor2 = torch.tensor([1., 1., 1., torch.nan])

torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor1, other=tensor2,
              rtol=1e-05, atol=1e-08, equal_nan=False)
            # 0.00001   # 0.00000001
tensor1.isclose(other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([False, False, True, False])

torch.isclose(input=tensor1, other=tensor2, equal_nan=True)
# tensor([False, False, True, True])

tensor1 = torch.tensor([[1.00001001, 1.00000996],
                        [1.00000995, torch.nan]])
tensor2 = torch.tensor([[1., 1.],
                        [1., torch.nan]])
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[False, False],
#         [True, False]])

tensor1 = torch.tensor([[[1.00001001],
                         [1.00000996]],
                        [[1.00000995],
                         [torch.nan]]])
tensor2 = torch.tensor([[[1.], [1.]],
                        [[1.], [torch.nan]]])
torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[[False], [False]],
#         [[True], [False]]])

tensor1 = torch.tensor([[1.00001001, 1.00000996],
                        [1.00000995, torch.nan]])
tensor2 = torch.tensor([1., 1.])

torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[False, False],
#         [True, False]])

tensor1 = torch.tensor([[1.00001001, 1.00000996],
                        [1.00000995, torch.nan]])
tensor2 = torch.tensor(1.)

torch.isclose(input=tensor1, other=tensor2)
torch.isclose(input=tensor2, other=tensor1)
# tensor([[False, False],
#         [True, False]])

tensor1 = torch.tensor([0, 1, 2])
tensor2 = torch.tensor(1)

torch.isclose(input=tensor1, other=tensor2)
# tensor([False, True, False])

tensor1 = torch.tensor([0.+0.j, 1.+0.j, 2.+0.j])
tensor2 = torch.tensor(1.+0.j)

torch.isclose(input=tensor1, other=tensor2)
# tensor([False, True, False])

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

torch.isclose(input=tensor1, other=tensor2)
# tensor([False, True, False])