Pytorch - LCM

Veremos cómo devolver los múltiplos menos comunes en un tensor de entrada en este tutorial de Pytorch.

Pytorch es un marco de código abierto disponible con un lenguaje de programación de Python. Tensor es una matriz multidimensional que se utiliza para almacenar los datos. 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.LCM ()

Lcm () en pytorch se usa para devolver los múltiplos menos comunes de ambos elementos en dos objetos tensores.

Sintaxis:

antorcha.LCM (tensor_object1, tensor_object2)

Dónde:

1. tensor_object1 es el primer tensor
2. tensor_object2 es el segundo tensor

Devolver:

También devuelve los múltiplos menos comunes de los dos tensores.

Ejemplo 1:

En este ejemplo, crearemos dos tensores con una dimensión que tiene 5 elementos cada uno y realizaremos la operación LCM () en ellos.

#módulo de antorcha de Import
antorcha de importación
#cree dos tensores 1D
datos1 = antorcha.tensor ([1,2,3,4,5])
data2 = antorcha.tensor ([34,45,3,40,10])
#mostrar
Imprimir ("Tensores reales:")
Imprimir (Data1)
Imprimir (Data2)
Imprimir ("LCM")
#return mínimos múltiplos comunes
imprimir (antorcha.LCM (Data1, Data2))

Producción:

Tensores reales:
tensor ([1, 2, 3, 4, 5])
Tensor ([34, 45, 3, 40, 10])
LCM
Tensor ([34, 90, 3, 40, 10])

Laboral:

1. LCM (1,34) - 34
2. LCM (2,45) - 90
3. LCM (3,3) - 3
4. LCM (4,40) - 40
5. LCM (5,10) - 10

También es posible devolver el LCM con un elemento que calcula con cada elemento.

Ejemplo 2:

En este ejemplo, crearemos dos tensores con una dimensión que tiene 5 elementos en el primer tensor y un elemento en el segundo tensor, y realizaremos la operación LCM () en ellos.

#módulo de antorcha de Import
antorcha de importación
#cree dos tensores 1D
datos1 = antorcha.tensor ([1,2,3,4,5])
data2 = antorcha.tensor ([10])
#mostrar
Imprimir ("Tensores reales:")
Imprimir (Data1)
Imprimir (Data2)
Imprimir ("LCM")
#return mínimos múltiplos comunes
imprimir (antorcha.LCM (Data1, Data2))

Producción:

Tensores reales:
tensor ([1, 2, 3, 4, 5])
tensor ([10])
LCM
Tensor ([10, 10, 30, 20, 10])

Laboral:

1. LCM (1,10) -10
2. LCM (2,10) - 10
3. LCM (3,10) - 30
4. LCM (4,10) - 20
5. LCM (5,10) - 10

Ejemplo 3:

En este ejemplo, crearemos dos tensores con 2 dimensiones que tienen 5 elementos cada uno y realizaremos la operación LCM () en ellos.

#módulo de antorcha de Import
antorcha de importación
#cree dos tensores 2D
datos1 = antorcha.Tensor ([[1,2,3,4,5], [45,67,89,87,78]]))
data2 = antorcha.Tensor ([[134,54,67,65,56], [45,67,89,87,78]]))
#mostrar
Imprimir ("Tensores reales:")
Imprimir (Data1)
Imprimir (Data2)
Imprimir ("LCM")
#return mínimos múltiplos comunes
imprimir (antorcha.LCM (Data1, Data2))

Producción:

Tensores reales:
Tensor ([[1, 2, 3, 4, 5],
[45, 67, 89, 87, 78]])
Tensor ([[134, 54, 67, 65, 56],
[45, 67, 89, 87, 78]])
LCM
Tensor ([[134, 54, 201, 260, 280],
[45, 67, 89, 87, 78]])

Laboral:

1. LCM (1,134) -134, LCM (45,45) -45
2. LCM (2,54) - 54, LCM (67,67) -67
3. LCM (3,67) - 201, LCM (89,89) -89
4. LCM (4,65) - 260, LCM (87,87) -87
5. LCM (5,56) - 280, LCM (78,78) -78

Trabajar con CPU

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

Cuando creamos un tensor, esta vez, podemos usar la función CPU ().

Sintaxis:

antorcha.Tensor (datos).UPC()

Ejemplo 1:

En este ejemplo, crearemos dos tensores con una dimensión que tiene 5 elementos cada uno y realizaremos la operación LCM () en ellos.

#módulo de antorcha de Import
antorcha de importación
#cree dos tensores 1D
datos1 = antorcha.tensor ([1,2,3,4,5]).UPC()
data2 = antorcha.tensor ([34,45,3,40,10]).UPC()
#mostrar
Imprimir ("Tensores reales:")
Imprimir (Data1)
Imprimir (Data2)
Imprimir ("LCM")
#return mínimos múltiplos comunes
imprimir (antorcha.LCM (Data1, Data2))

Producción:

Tensores reales:
tensor ([1, 2, 3, 4, 5])
Tensor ([34, 45, 3, 40, 10])
LCM
Tensor ([34, 90, 3, 40, 10])

Laboral:

1. LCM (1,34) - 34
2. LCM (2,45) - 90
3. LCM (3,3) - 3
4. LCM (4,40) - 40
5. LCM (5,10) - 10

También es posible devolver el LCM con un elemento que calcula con cada elemento.

Ejemplo 2:

En este ejemplo, crearemos dos tensores con una dimensión que tiene 5 elementos en el primer tensor y un elemento en el segundo tensor, y realizaremos la operación LCM () en ellos.

#módulo de antorcha de Import
antorcha de importación
#cree dos tensores 1D
datos1 = antorcha.tensor ([1,2,3,4,5]).UPC()
data2 = antorcha.tensor ([10]).UPC()
#mostrar
Imprimir ("Tensores reales:")
Imprimir (Data1)
Imprimir (Data2)
Imprimir ("LCM")
#return mínimos múltiplos comunes
imprimir (antorcha.LCM (Data1, Data2))

Producción:

Tensores reales:
tensor ([1, 2, 3, 4, 5])
tensor ([10])
LCM
Tensor ([10, 10, 30, 20, 10])

Laboral:

1. LCM (1,10) -10
2. LCM (2,10) - 10
3. LCM (3,10) - 30
4. LCM (4,10) - 20
5. LCM (5,10) - 10

Ejemplo 3:

En este ejemplo, crearemos dos tensores con 2 dimensiones que tienen 5 elementos cada uno y realizaremos la operación LCM () en ellos.

#módulo de antorcha de Import
antorcha de importación
#cree dos tensores 2D
datos1 = antorcha.Tensor ([[1,2,3,4,5], [45,67,89,87,78]])).UPC()
data2 = antorcha.Tensor ([[134,54,67,65,56], [45,67,89,87,78]])).UPC()
#mostrar
Imprimir ("Tensores reales:")
Imprimir (Data1)
Imprimir (Data2)
Imprimir ("LCM")
#return mínimos múltiplos comunes
imprimir (antorcha.LCM (Data1, Data2))

Producción:

Tensores reales:
Tensor ([[1, 2, 3, 4, 5],
[45, 67, 89, 87, 78]])
Tensor ([[134, 54, 67, 65, 56],
[45, 67, 89, 87, 78]])
LCM
Tensor ([[134, 54, 201, 260, 280],
[45, 67, 89, 87, 78]])

Laboral:

1. LCM (1,134) -134, LCM (45,45) -45
2. LCM (2,54) - 54, LCM (67,67) -67
3. LCM (3,67) - 201, LCM (89,89) -89
4. LCM (4,65) - 260, LCM (87,87) -87
5. LCM (5,56) - 280, LCM (78,78) -78

Conclusión

En esta lección de Pytorch, aprendimos sobre la función LCM () y cómo aplicarla en un tensor para devolver el múltiplo menos común . También creamos un tensor con la función CPU () y devolvimos el LCM.