Pytorch - count_nonZero

Pytorch é uma estrutura de código aberto para a linguagem de programação Python.

Um tensor é uma matriz multidimensional que é usada para armazenar 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.count_nonZero ()

tocha.count_nonZero () é usado para retornar o número total de elementos diferentes de zero presente no tensor. São necessários dois parâmetros.

Sintaxe:
tocha.count_nonZero (tensor_object, dim)

Parâmetros:

1. O tensor é o tensor de entrada.
2. Dim é reduzir a dimensão. DIM = 0 Especifica a comparação de colunas, que obterá a soma total de diferentes galos ao longo de uma coluna, e Dim = 1 Especifica a comparação de linha, que receberá a soma total de diferentes zuros ao longo da linha.

Exemplo 1:

Neste exemplo, criaremos um tensor com duas dimensões com duas linhas e duas colunas e aplicará count_nonZero () nas linhas.

#Vamos importar módulo de tocha
importação de tocha
#Crie um tensor com 2 dimensões (3 * 5)
#com elementos aleatórios usando a função Randn ()
Dados = Torch.tensor ([[0,0], [1,0]]))
#mostrar
Impressão (dados)
imprimir()
#get contagem de não zeros ao longo de linhas
Imprimir (“Número total de não zeros entre linhas:”)
Imprimir (tocha.count_nonZero (dados, dim = 1))

Saída:

tensor ([[0, 0],
[1, 0]])
Número total de não zeros entre linhas:
tensor ([0, 1])

Podemos ver que o número total de diferentes galeros na primeira linha é 0 e na segunda linha é 1.

Exemplo 2:

Neste exemplo, criaremos um tensor com duas dimensões com duas linhas e duas colunas e aplicará count_nonZero () nas colunas.

#Vamos importar módulo de tocha
importação de tocha
#Crie um tensor com 2 dimensões (3 * 5)
#com elementos aleatórios usando a função Randn ()
Dados = Torch.tensor ([[0,0], [1,0]]))
#mostrar
Impressão (dados)
imprimir()
#get contagem de não zeros ao longo de colunas
Imprimir (“Número total de não zeros nas colunas:”)
Imprimir (tocha.count_nonZero (dados, dim = 0))

Saída:

tensor ([[0, 0],
[1, 0]])
Número total de não zeros nas colunas:
tensor ([1, 0])

Podemos ver que o número total de diferentes galeros na primeira coluna é 1 e na segunda coluna é 0.

Trabalhe com a CPU

Se você deseja executar a função count_nonZero () na CPU, temos que criar um tensor com uma função CPU (). Isso será executado em uma máquina de CPU.

Neste momento, quando estamos criando um tensor, podemos usar a função CPU ().

Sintaxe:
tocha.Tensor (dados).CPU()

Exemplo 1:

Neste exemplo, criaremos um tensor com duas dimensões na CPU que possui duas linhas e duas colunas e aplique count_nonZero () em linhas.

#Vamos importar módulo de tocha
importação de tocha
#Crie um tensor com 2 dimensões (3 * 5)
#com elementos aleatórios usando a função Randn ()
Dados = Torch.tensor ([[0,0], [1,0]])).CPU()
#mostrar
Impressão (dados)
imprimir()
#get contagem de não zeros ao longo de linhas
Imprima ("Número total de não zeros entre linhas:")
Imprimir (tocha.count_nonZero (dados, dim = 1))

Saída:

tensor ([[0, 0],
[1, 0]])
Número total de não zeros entre linhas:
tensor ([0, 1])

Podemos ver que o número total de diferentes galeros na primeira linha é 0 e na segunda linha é 1.

Exemplo 2:

Neste exemplo, criaremos um tensor com 2 dimensões na CPU que possui duas linhas e duas colunas e aplique count_nonZero () nas colunas.

#Vamos importar módulo de tocha
importação de tocha
#Crie um tensor com 2 dimensões (3 * 5)
#com elementos aleatórios usando a função Randn ()
Dados = Torch.tensor ([[0,0], [1,0]])).CPU()
#mostrar
Impressão (dados)
imprimir()
#get contagem de não zeros ao longo de colunas
Imprima ("Número total de não zeros nas colunas:")
Imprimir (tocha.count_nonZero (dados, dim = 0))

Saída:

tensor ([[0, 0],
[1, 0]])
Número total de não zeros nas colunas:
tensor ([1, 0])

Podemos ver que o número total de diferentes galeros na primeira coluna é 1 e na segunda coluna é 0.

Conclusão

Nesta lição de Pytorch, discutimos a função count_nonZero (). Ele retorna o número total de elementos diferentes de zero presente no tensor. Vimos exemplos diferentes e trabalhamos esses exemplos em uma máquina de CPU.