Pytorch - count_nonzero

Pytorch es un marco de código abierto para el lenguaje de programación de Python.

Un tensor es una matriz multidimensional que se utiliza para almacenar datos. Entonces, para usar un tensor, tenemos que importar el módulo de antorcha.

Para crear un tensor, el método utilizado es tensor ().

Sintaxis:

antorcha.Tensor (datos)

Donde los datos son una matriz multidimensional.

antorcha.count_nonzero ()

antorcha.count_nonzero () se usa para devolver el número total de elementos no cero presentes en el tensor. Se necesitan dos parámetros.

Sintaxis:
antorcha.count_nonzero (tensor_object, dim)

Parámetros:

1. El tensor es el tensor de entrada.
2. Dim es reducir la dimensión. dim = 0 Especifica la comparación de la columna, que obtendrá la suma total de los no jeroes a lo largo de una columna, y Dim = 1 especifica la comparación de la fila, que obtendrá la suma total de los no zaros a lo largo de la fila.

Ejemplo 1:

En este ejemplo, crearemos un tensor con dos dimensiones que tenga dos filas y dos columnas y aplicaremos count_nonzero () en las filas.

#Importar el módulo de antorcha
antorcha de importación
#cree un tensor con 2 dimensiones (3 * 5)
#Con elementos aleatorios usando la función randn ()
datos = antorcha.Tensor ([[0,0], [1,0]])
#mostrar
Imprimir (datos)
imprimir()
#CONTAJE DEL NO CERROS A lo largo de las filas
Imprimir ("Número total de no ceros en las filas:")
imprimir (antorcha.count_nonzero (datos, dim = 1))

Producción:

Tensor ([[0, 0],
[1, 0]])
Número total de no ceros en las filas:
Tensor ([0, 1])

Podemos ver que el número total de nozeros en la primera fila es 0 y en la segunda fila es 1.

Ejemplo 2:

En este ejemplo, crearemos un tensor con dos dimensiones que tenga dos filas y dos columnas y aplicaremos count_nonzero () en las columnas.

#Importar el módulo de antorcha
antorcha de importación
#cree un tensor con 2 dimensiones (3 * 5)
#Con elementos aleatorios usando la función randn ()
datos = antorcha.Tensor ([[0,0], [1,0]])
#mostrar
Imprimir (datos)
imprimir()
#CONTAJE DE LA COLUNTAS DE LA COLUMAS NO COMBRES
Imprimir ("Número total de no ceros en las columnas:")
imprimir (antorcha.count_nonzero (data, dim = 0))

Producción:

Tensor ([[0, 0],
[1, 0]])
Número total de no ceros en las columnas:
Tensor ([1, 0])

Podemos ver que el número total de nonzeros en la primera columna es 1 y en la segunda columna es 0.

Trabajar con CPU

Si desea ejecutar la función count_nonzero () en la CPU, entonces tenemos que crear un tensor con una función CPU (). Esto se ejecutará en una máquina CPU.

En este momento, cuando estamos creando un tensor, podemos usar la función CPU ().

Sintaxis:
antorcha.Tensor (datos).UPC()

Ejemplo 1:

En este ejemplo, crearemos un tensor con dos dimensiones en la CPU que tiene dos filas y dos columnas y aplicaremos count_nonzero () en filas.

#Importar el módulo de antorcha
antorcha de importación
#cree un tensor con 2 dimensiones (3 * 5)
#Con elementos aleatorios usando la función randn ()
datos = antorcha.Tensor ([[0,0], [1,0]]).UPC()
#mostrar
Imprimir (datos)
imprimir()
#CONTAJE DEL NO CERROS A lo largo de las filas
Imprimir ("Número total de no ceros en las filas:")
imprimir (antorcha.count_nonzero (datos, dim = 1))

Producción:

Tensor ([[0, 0],
[1, 0]])
Número total de no ceros en las filas:
Tensor ([0, 1])

Podemos ver que el número total de nozeros en la primera fila es 0 y en la segunda fila es 1.

Ejemplo 2:

En este ejemplo, crearemos un tensor con 2 dimensiones en la CPU que tiene dos filas y dos columnas y aplicaremos count_nonzero () en las columnas.

#Importar el módulo de antorcha
antorcha de importación
#cree un tensor con 2 dimensiones (3 * 5)
#Con elementos aleatorios usando la función randn ()
datos = antorcha.Tensor ([[0,0], [1,0]]).UPC()
#mostrar
Imprimir (datos)
imprimir()
#CONTAJE DE LA COLUNTAS DE LA COLUMAS NO COMBRES
Imprimir ("Número total de no ceros en las columnas:")
imprimir (antorcha.count_nonzero (data, dim = 0))

Producción:

Tensor ([[0, 0],
[1, 0]])
Número total de no ceros en las columnas:
Tensor ([1, 0])

Podemos ver que el número total de nonzeros en la primera columna es 1 y en la segunda columna es 0.

Conclusión

En esta lección de Pytorch, discutimos la función Count_nonzero (). Devuelve el número total de elementos distintos de cero presentes en el tensor. Vimos diferentes ejemplos y trabajamos estos ejemplos en una máquina de CPU.