pytorch 的 fmod() 函数详解：模运算的利器
本文将详细介绍 PyTorch 中 fmod() 函数的功能、使用方法以及一些需要注意的细节。fmod() 函数用于执行模运算（取余），它可以处理不同形状的张量以及标量，并提供灵活的输出选项。
功能概述:
fmod() 函数计算两个张量或一个张量和一个标量之间的模运算。其结果是一个新的张量，其中每个元素是输入张量对应元素除以另一个张量或标量后的余数。 与标准的取余运算不同的是，fmod() 保留了余数与被除数相同的符号。
参数:
-
input(Tensor): 输入张量，可以是整数或浮点数类型。这是必选参数。 -
other(Tensor or scalar): 另一个张量或标量，用于计算模运算。如果other是标量，则它将与input张量的每个元素进行模运算。 这是必选参数。 -
out(Tensor, optional): 可选的输出张量。如果提供，结果将写入此张量。
使用方法及示例:
以下示例展示了 fmod() 函数在不同场景下的使用方法：
<code class="python">import torch # 整数张量与张量运算 tensor1 = torch.tensor([9, 7, 6]) tensor2 = torch.tensor([[4, -4, 3], [-2, 5, -5]]) result = torch.fmod(input=tensor1, other=tensor2) # 使用命名参数 print(result) # tensor([[1, 3, 0], [1, 2, 1]]) result = tensor1.fmod(other=tensor2) # 使用方法调用 print(result) # tensor([[1, 3, 0], [1, 2, 1]]) # 整数张量与标量运算 result = torch.fmod(input=tensor1, other=4) print(result) # tensor([1, 3, 2]) # 负数整数张量运算 tensor1 = torch.tensor([-9, -7, -6]) result = torch.fmod(input=tensor1, other=tensor2) print(result) # tensor([[-1, -3, 0], [-1, -2, -1]]) result = torch.fmod(input=tensor1, other=4) print(result) # tensor([-1, -3, -2]) # 浮点数张量运算 tensor1 = torch.tensor([9.75, 7.08, 6.26]) tensor2 = torch.tensor([[4.26, -4.54, 3.37], [-2.16, 5.43, -5.98]]) result = torch.fmod(input=tensor1, other=tensor2) print(result) # tensor([[1.2300, 2.5400, 2.8900], [1.1100, 1.6500, 0.2800]]) result = torch.fmod(input=tensor1, other=4.26) print(result) # tensor([1.2300, 2.8200, 2.0000])</code>
重要提示:
- 将 0 (整数) 作为
other参数会导致ZeroDivisionError错误。 -
out参数用于指定输出张量，提高效率，但必须使用命名参数out=指定。
通过以上介绍和示例，相信您已经对 PyTorch 的 fmod() 函数有了更深入的理解，可以更好地将其应用于您的深度学习项目中。
