Lógico e em pytorch

“Neste tutorial de Pytorch, veremos como realizar uma operação lógica e operação em um tensor usando Logocal_and ().

Pytorch é uma estrutura de código aberto disponível com uma linguagem de programação Python. Podemos processar os dados em pytorch na forma de um tensor.

Um tensor é uma matriz multidimensional que é usada para armazenar os dados. Então, para usar um tensor, temos que importar o módulo da tocha.

Para criar um tensor, o método usado é tensor () ”

Sintaxe:

tocha.Tensor (dados)

Onde os dados são uma matriz multidimensional.

tocha.Logical_and ()

tocha.Logical_and () em Pytorch é realizado em dois objetos tensores. Ele realizará uma comparação no elemento e retornará true se os elementos forem verdadeiros ou maiores que 0 e retornarão false se um dos elementos for 0 ou falso. São necessários dois tensores como parâmetros.

Sintaxe:

tocha.Logical_and (tensor_object1, tensor_object2)

Parâmetros:

1. tensor_object1 é o primeiro tensor
2. tensor_object2 é o segundo tensor

Exemplo 1

Neste exemplo, criaremos dois tensores unidimensionais - Data1 e Data2 com 5 valores booleanos cada e executam Logical_and ().

#import módulo tocha
importação de tocha
#Crie um tensor 1D - Data1 com 5 valores booleanos
Data1 = Torch.tensor ([falso, verdadeiro, verdadeiro, verdadeiro, falso])
#Crie um tensor 1D - Data2 com 5 valores booleanos
Data2 = Torch.tensor ([falso, falso, verdadeiro, falso, verdadeiro])
#mostrar
print ("Primeiro tensor:", Data1)
print ("Second Tensor:", Data2)
#Logical_and on Data1 e Data2
print ("lógico e acima de dois tensores:", tocha.Logical_and (Data1, Data2))

Saída:

Primeiro Tensor: Tensor ([Falso, Verdadeiro, Verdadeiro, Falso])
Segundo tensor: tensor ([falso, falso, verdadeiro, falso, verdadeiro])
Lógico e acima de dois tensores: tensor ([falso, falso, verdadeiro, falso, falso])

Trabalhando:

1. Logical_and (false, false) - false
2. Logical_and (true, false) - false
3. Logical_and (true, true) - false
4. Logical_and (true, false) - Verdadeiro
5. Logical_and (False, True) - Falso

Exemplo 2

Neste exemplo, criaremos tensores bidimensionais - Data1 e Data2 com 5 valores booleanos, cada um em uma linha e executam Logical_and ().

#import módulo tocha
importação de tocha
#Crie um tensor 2D - Data1 com 5 valores booleanos em cada linha
Data1 = Torch.tensor ([[falso, verdadeiro, verdadeiro, verdadeiro, falso], [falso, verdadeiro, verdadeiro, verdadeiro, falso]])
#Crie um tensor 2D - Data2 com 5 valores booleanos em cada linha
Data2 = Torch.tensor ([[falso, falso, verdadeiro, falso, verdadeiro], [falso, falso, verdadeiro, falso, verdadeiro]])
#mostrar
print ("Primeiro tensor:", Data1)
print ("Second Tensor:", Data2)
#Logical_and on Data1 e Data2
print ("lógico e acima de dois tensores:", tocha.Logical_and (Data1, Data2))

Saída:

Primeiro tensor: tensor ([[falso, verdadeiro, verdadeiro, verdadeiro, falso],
[Falso, verdadeiro, verdadeiro, verdadeiro, falso]])
Segundo tensor: tensor ([[falso, falso, verdadeiro, falso, verdadeiro],
[Falso, falso, verdadeiro, falso, verdadeiro]])

Lógico e acima de dois tensores: tensor ([[falso, falso, verdadeiro, falso, falso], [falso, falso, verdadeiro, falso, falso]]))

Exemplo 3

Neste exemplo, criaremos tensores bidimensionais - Data1 e Data2 com 5 valores numéricos cada um em uma linha e executam Logical_and ().

#import módulo tocha
importação de tocha
#Crie um tensor 2D - Data1 com 5 valores numéricos em cada linha
Data1 = Torch.tensor ([[23,45,67,0,0], [12,21,34,56,78]]))
#Crie um tensor 2D - Data2 com 5 valores numéricos em cada linha
Data2 = Torch.tensor ([[0,0,55,78,23], [10,20,44,56,0]]))
#mostrar
print ("Primeiro tensor:", Data1)
print ("Second Tensor:", Data2)
#Logical_and on Data1 e Data2
print ("lógico e acima de dois tensores:", tocha.Logical_and (Data1, Data2))

Saída:

Primeiro tensor: tensor ([[23, 45, 67, 0, 0],
[12, 21, 34, 56, 78]])
Segundo tensor: tensor ([[0, 0, 55, 78, 23],
[10, 20, 44, 56, 0]])
Lógico e acima de dois tensores: tensor ([[falso, falso, verdadeiro, falso, falso], [verdadeiro, verdadeiro, verdadeiro, verdadeiro, falso]]))

Trabalhando:

1. Logical_and (23, 0) - Falso, Logical_and (12, 10) - Verdadeiro
2. Logical_and (45, 0) - Falso, Logical_and (21, 20) - Verdadeiro
3. Logical_and (67, 55) - Falso, Logical_and (34, 44) - Verdadeiro
4. Logical_and (0, 78) - Verdadeiro, Logical_and (56, 56) - Verdadeiro
5. Logical_and (0, 23) - Falso, Logical_and (78, 0) - Falso

Exemplo 4

Neste exemplo, criaremos tensores bidimensionais - Data1 e Data2 com 5 valores numéricos e lógicos cada um em uma linha e executam Logical_and ().

Aqui considera verdadeiro como 1 e falso como 0.

#import módulo tocha
importação de tocha
#Crie um tensor 2D - Data1 com 5 valores numéricos e lógicos em cada linha
Data1 = Torch.tensor ([[23,45,67,0,0], [falso, verdadeiro, verdadeiro, verdadeiro, falso]]))
#Crie um tensor 2D - Data2 com 5 valores numéricos e lógicos em cada linha
Data2 = Torch.tensor ([[0,0,55,78,23], [falso, verdadeiro, verdadeiro, verdadeiro, falso]])))
#mostrar
print ("Primeiro tensor:", Data1)
print ("Second Tensor:", Data2)
#Logical_and on Data1 e Data2
print ("lógico e acima de dois tensores:", tocha.Logical_and (Data1, Data2))

Saída:

Primeiro tensor: tensor ([[23, 45, 67, 0, 0],
[0, 1, 1, 1, 0]])
Segundo tensor: tensor ([[0, 0, 55, 78, 23],
[0, 1, 1, 1, 0]])
Lógico e acima de dois tensores: tensor ([[falso, falso, verdadeiro, falso, falso],
[Falso, verdadeiro, verdadeiro, verdadeiro, falso]])

Trabalhando:

1. Logical_and (23, 0) - Falso, Logical_and (0,0) - Falso
2. Logical_and (45, 0) - Falso, Logical_and (1, 1) - Verdadeiro
3. Logical_and (67, 55) - Falso, Logical_and (1, 1) - Verdadeiro
4. Logical_and (0, 78) - Verdadeiro, Logical_and (1, 1) - Verdadeiro
5. Logical_and (0, 23) - Falso, Logical_and (0, 0) - Falso

Conclusão

Nesta lição de Pytorch, discutimos como executar lógico e operação com uma tocha.Método Logical_and (). Ele realizará uma comparação no elemento e retornará true se os elementos forem verdadeiros ou maiores que 0 e retornarão false se um dos elementos for 0 ou falso. Vimos a funcionalidade de dados lógicos e numéricos.