“Neste tutorial de Pytorch, veremos como realizar uma operação lógica ou em um tensor usando LOGOCAL_OR ().
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_or ()
tocha.Logical_or () em Pytorch é realizado em dois objetos tensores. Ele executará uma comparação no elemento e retornará true; Qualquer um dos elementos é verdadeiro ou maior que 0 e retorne FALSE se os dois elementos forem falsos ou 0. São necessários dois tensores como parâmetros.
Sintaxe:
tocha.Logical_or (tensor_object1, tensor_object2)
Parâmetros:
- tensor_object1 é o primeiro tensor
- 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_or ().
#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_OR em Data1 e Data2
imprimir ("lógico ou acima de dois tensores:", tocha.Logical_or (Data1, Data2))
Saída:
Primeiro Tensor: Tensor ([Falso, Verdadeiro, Verdadeiro, Falso])
Segundo tensor: tensor ([falso, falso, verdadeiro, falso, verdadeiro])
Lógico ou acima de dois tensores: tensor ([falso, verdadeiro, verdadeiro, verdadeiro, verdadeiro])
Trabalhando:
- Logical_or (False, False) - Falso
- Logical_or (true, false) - Verdadeiro
- Logical_or (true, true) - Verdadeiro
- Logical_or (true, false) - Verdadeiro
- Logical_or (false, true) - Verdadeiro
Exemplo 2
Neste exemplo, criaremos tensores bidimensionais - Data1 e Data2 com 5 valores booleanos, cada um em uma linha e executem Logical_or ().
#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_OR em Data1 e Data2
imprimir ("lógico ou acima de dois tensores:", tocha.Logical_or (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 ou acima de dois tensores: tensor ([[falso, verdadeiro, verdadeiro, verdadeiro, verdadeiro], [falso, verdadeiro, verdadeiro, verdadeiro, verdadeiro]]))
Exemplo 3
Neste exemplo, criaremos tensores bidimensionais - Data1 e Data2 com 5 valores numéricos cada um em uma linha e executam Logical_or ().
#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_OR em Data1 e Data2
imprimir ("lógico ou acima de dois tensores:", tocha.Logical_or (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 ou acima de dois tensores: tensor ([[verdadeiro, verdadeiro, verdadeiro, verdadeiro, verdadeiro],
[Verdadeiro, verdadeiro, verdadeiro, verdadeiro, verdadeiro])
Trabalhando:
- Logical_or (23, 0) - Verdadeiro, Logical_or (12, 10) - Verdadeiro
- Logical_or (45, 0) - Verdadeiro, Logical_or (21, 20) - Verdadeiro
- Logical_or (67, 55) - Verdadeiro, Logical_or (34, 44) - Verdadeiro
- Logical_or (0, 78) - Verdadeiro, Logical_or (56, 56) - Verdadeiro
- Logical_or (0, 23) - Verdadeiro, Logical_or (78, 0) - Verdadeiro
Exemplo 4
Neste exemplo, criaremos tensores bidimensionais - Data1 e Data2 com 5 valores numéricos e lógicos cada um em uma linha e executam Logical_or ().
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_OR em Data1 e Data2
imprimir ("lógico ou acima de dois tensores:", tocha.Logical_or (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 ou acima de dois tensores: tensor ([[verdadeiro, verdadeiro, verdadeiro, verdadeiro, verdadeiro],
[Falso, verdadeiro, verdadeiro, verdadeiro, falso]])
Trabalhando:
- Logical_or (23, 0) - Verdadeiro, Logical_or (0,0) - Falso
- Logical_or (45, 0) - Verdadeiro, Logical_or (1, 1) - Verdadeiro
- Logical_or (67, 55) - Verdadeiro, Logical_or (1, 1) - Verdadeiro
- Logical_or (0, 78) - Verdadeiro, Logical_or (1, 1) - Verdadeiro
- Logical_or (0, 23) - Verdadeiro, Logical_or (0, 0) - Falso
Conclusão
Nesta lição de Pytorch, discutimos como executar lógica ou operação com uma tocha.Método Logical_or (). Ele executará uma comparação no elemento e retornará true; Qualquer um dos elementos é verdadeiro ou maior que 0 e retorne FALSE se os dois elementos forem falsos ou 0. Vimos a funcionalidade de dados lógicos e numéricos.