我不知道为什么张量结果全为0。这里有什么问题吗?

>>> import torch
>>> import numpy as np
>>> import math

>>> torch.__version__
'0.4.1'
>>> np.__version__
'1.15.4'

>>> torch.arange(0, 10, 2) *-(math.log(10000.0) / 10)
tensor([0, 0, 0, 0, 0])
>>> np.arange(0, 10, 2) *-(math.log(10000.0) / 10)
array([-0.        , -1.84206807, -3.68413615, -5.52620422, -7.3682723 ])

>>> torch.arange(0, 10, 2)
tensor([0, 2, 4, 6, 8])
>>> np.arange(0, 10, 2)
array([0, 2, 4, 6, 8])

最佳答案

如使用 0.4.0 时的注释中所述,与numpy可获得相同的结果:

tensor([-0.0000, -1.8421, -3.6841, -5.5262, -7.3683])

但是,使用0.4.1我也得到了一个零向量。

这是因为torch.arange(0, 10, 2) 0.4.0 返回了float类型的张量,而对于 0.4.1 返回了long类型的张量。

因此,将张量转换为float应该适合您:
torch.arange(0, 10, 2).float() *-(math.log(10000.0) / 10)
longfloat的乘积通过大量舍入来进行,因为结果仍然是long类型的张量。因此,当将FloatTensor转换为LongTensor时,介于-1和1之间的值将四舍五入为0。

由于-(math.log(10000.0) / 10)会生成-0.9210340371976183,因此您的结果就是0。因此,有效地将-0.9210340371976183在乘法之前转换为long类型。但是在转换时会四舍五入为0,请参见以下示例:
t = torch.tensor((-(math.log(10000.0) / 10)))
print('FloatTensor:', t)
print('Converted to Long:', t.long())

出局:
FloatTensor: tensor(-0.9210)
Converted to Long: tensor(0)

因此:
torch.arange(0, 10, 2).float() *-(math.log(10000.0) / 10)

变成:
torch.arange(0, 10, 2).float() * 0

因此,您得到的张量为零。



一些更多的例子:

如果将其乘以1到2之间的一个值(假设为1.7),则该值将始终四舍五入为1:
t = torch.tensor(range(5), dtype=torch.long)
print(t)
print(t * 1.7)

输出:
tensor([ 0,  1,  2,  3,  4])
tensor([ 0,  1,  2,  3,  4])

同样,当与2.7相乘时,会导致2的有效相乘:
t = torch.tensor(range(5), dtype=torch.long)
print(t)
print(t * 2.7)

输出:
tensor([ 0,  1,  2,  3,  4])
tensor([ 0,  2,  4,  6,  8])

关于python - PyTorch-将张量与标量相乘会得出零向量,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/53467011/

10-11 06:22
查看更多