Pytorch - Count_nonzero

Pytorch è un framework open source per il linguaggio di programmazione Python.

Un tensore è un array multidimensionale che viene utilizzato per archiviare i dati. Quindi, per usare un tensore, dobbiamo importare il modulo Torcia.

Per creare un tensore il metodo utilizzato è tensore ().

Sintassi:

torcia.tensore (dati)

Dove i dati sono un array multidimensionale.

torcia.count_nonzero ()

torcia.count_nonzero () viene utilizzato per restituire il numero totale di elementi diversi da zero presenti nel tensore. Ci vogliono due parametri.

Sintassi:
torcia.count_nonzero (tensor_object, dim)

Parametri:

1. Il tensore è il tensore di ingresso.
2. Dim è ridurre la dimensione. Dim = 0 specifica il confronto della colonna, che otterrà la somma totale di non zeri lungo una colonna e Dim = 1 specifica il confronto delle righe, che otterrà la somma totale di non zeri lungo la riga.

Esempio 1:

In questo esempio, creeremo un tensore con due dimensioni con due righe e due colonne e applicheremo Count_nonzero () sulle righe.

#Let's Import Torch Module
Torcia di importazione
#Crea un tensore con 2 dimensioni (3 * 5)
#con elementi casuali usando la funzione randn ()
data = torcia.tensore ([[0,0], [1,0]])
#Schermo
Stampa (dati)
stampa()
#get conteggio dei non zeri lungo le righe
Stampa ("Numero totale di non zeri attraverso le righe:")
Stampa (torcia.count_nonzero (dati, dim = 1))

Produzione:

Tensor ([[0, 0],
[1, 0]])
Numero totale di non zeri tra le righe:
tensore ([0, 1])

Possiamo vedere che il numero totale di nonzeros nella prima riga è 0 e nella seconda riga è 1.

Esempio 2:

In questo esempio, creeremo un tensore con due dimensioni con due righe e due colonne e applicheremo Count_nonzero () sulle colonne.

#Let's Import Torch Module
Torcia di importazione
#Crea un tensore con 2 dimensioni (3 * 5)
#con elementi casuali usando la funzione randn ()
data = torcia.tensore ([[0,0], [1,0]])
#Schermo
Stampa (dati)
stampa()
#get conteggio di non zeri lungo le colonne
Stampa ("Numero totale di non zeri tra colonne:")
Stampa (torcia.count_nonzero (dati, dim = 0))

Produzione:

Tensor ([[0, 0],
[1, 0]])
Numero totale di non zeri tra le colonne:
tensore ([1, 0])

Possiamo vedere che il numero totale di nonzeros nella prima colonna è 1 e nella seconda colonna è 0.

Lavorare con la CPU

Se si desidera eseguire la funzione Count_Nonzero () sulla CPU, allora dobbiamo creare un tensore con una funzione CPU (). Questo funzionerà su una macchina CPU.

Al momento, quando stiamo creando un tensore, possiamo usare la funzione CPU ().

Sintassi:
torcia.tensore (dati).processore()

Esempio 1:

In questo esempio, creeremo un tensore con due dimensioni sulla CPU che ha due righe e due colonne e applicare Count_nonzero () sulle righe.

#Let's Import Torch Module
Torcia di importazione
#Crea un tensore con 2 dimensioni (3 * 5)
#con elementi casuali usando la funzione randn ()
data = torcia.tensore ([[0,0], [1,0]]).processore()
#Schermo
Stampa (dati)
stampa()
#get conteggio dei non zeri lungo le righe
Stampa ("Numero totale di non zeri attraverso le righe:")
Stampa (torcia.count_nonzero (dati, dim = 1))

Produzione:

Tensor ([[0, 0],
[1, 0]])
Numero totale di non zeri tra le righe:
tensore ([0, 1])

Possiamo vedere che il numero totale di nonzeros nella prima riga è 0 e nella seconda riga è 1.

Esempio 2:

In questo esempio, creeremo un tensore con 2 dimensioni sulla CPU che ha due righe e due colonne e applicare Count_nonzero () sulle colonne.

#Let's Import Torch Module
Torcia di importazione
#Crea un tensore con 2 dimensioni (3 * 5)
#con elementi casuali usando la funzione randn ()
data = torcia.tensore ([[0,0], [1,0]]).processore()
#Schermo
Stampa (dati)
stampa()
#get conteggio di non zeri lungo le colonne
Stampa ("Numero totale di non zeri tra colonne:")
Stampa (torcia.count_nonzero (dati, dim = 0))

Produzione:

Tensor ([[0, 0],
[1, 0]])
Numero totale di non zeri tra le colonne:
tensore ([1, 0])

Possiamo vedere che il numero totale di nonzeros nella prima colonna è 1 e nella seconda colonna è 0.

Conclusione

In questa lezione di Pytorch, abbiamo discusso della funzione Count_nonzero (). Restituisce il numero totale di elementi diversi da zero presenti nel tensore. Abbiamo visto diversi esempi e abbiamo lavorato questi esempi su una macchina CPU.