Paano Maghanap ng Element-wise Entropy ng isang Tensor sa PyTorch?

Paano Maghanap Ng Element Wise Entropy Ng Isang Tensor Sa Pytorch



Ang entropy ay isang sukatan ng kawalan ng katiyakan o randomness ng isang partikular na sistema. Ang element-wise entropy ng isang tensor ay ang entropy na kinalkula para sa bawat elemento ng tensor nang paisa-isa. Ang PyTorch ay nagbibigay ng ' torch.special.entr() ” paraan upang mahanap ang entropy ng anumang tensor. Kung negatibo ang elemento ng tensor, ang entropy nito ay magiging negatibong infinity. Kung ang elemento ng tensor ay ' 0 ”, ang entropy nito ay magiging “ 0 ”. Bukod dito, kung ang elemento ng tensor ay positibo, ang entropy nito ay kakalkulahin bilang produkto ng negatibong halaga ng elemento sa pamamagitan ng natural na logarithm nito.

Ang artikulong ito ay magiging halimbawa ng paraan upang mahanap ang element-wise entropy ng mga tensor sa PyTorch.







Paano Maghanap ng Element-wise Entropy ng Tensors sa PyTorch?

Upang mahanap ang element-wise entropy ng mga tensor sa PyTorch, ang ' torch.special.entr() ” paraan ang ginagamit. Kailangang ipasa ng mga user ang ninanais na tensor sa paraang ito para mahanap ang entropy nito sa element-wise.



Pumunta sa susunod na ibinigay na mga halimbawa para sa isang mas mahusay na pag-unawa:



Halimbawa 1: Kalkulahin/Hanapin ang Element-wise Entropy ng 1D Tensor

Sa unang halimbawa, gagawa kami ng 1D tensor at kalkulahin ang entropy na matalino sa elemento nito. Sundin natin ang mga ibinigay na hakbang:





Hakbang 1: Mag-import ng PyTorch Library

Una, i-import ang ' tanglaw ” library para kalkulahin ang element-wise entropy:

import na tanglaw



Hakbang 2: Lumikha ng 1D Tensor

Pagkatapos, gamitin ang ' torch.tensor() ” function upang lumikha ng 1D tensor at i-print ang mga elemento nito. Dito, ginagawa namin ang sumusunod na ' Sampu1 ” 1D tensor mula sa isang listahan:

Tens1 = torch.tensor([3, 0.8 , -1 , 5, 0, -9])

print(Sampu1)

Hakbang 3: Kalkulahin ang Element-wise Entropy

Ngayon, gamitin ang ' torch.special.entr() 'paraan upang kalkulahin ang entropy na matalino sa elemento ng ' Sampu1 ” tensor:

tens_Entr = torch.special.entr(Tens1)

Hakbang 4: Ipakita ang Computed Entropy

Panghuli, ipakita ang computed element-wise entropy ng tensor para sa pag-verify:

print(sampu_Entr)

Ang output sa ibaba ay nagpapakita ng kinakalkula na entropy ng ' Sampu1 ” tensor:

Halimbawa 2: Kalkulahin/Hanapin ang Element-wise Entropy ng 2D Tensor

Sa pangalawang halimbawa, gagawa kami ng 2D tensor at kalkulahin ang entropy na matalino sa elemento nito. Sundin natin ang hakbang-hakbang na pamamaraan sa ibaba:

Hakbang 1: Mag-import ng PyTorch Library

Una, i-import ang ' tanglaw ” library upang kalkulahin ang entropy:

import na tanglaw

Hakbang 2: Gumawa ng 2D Tensor

Pagkatapos, lumikha ng gustong 2D tensor at i-print ang mga elemento nito. Dito, ginagawa namin ang sumusunod na ' Sampu2 “2D tensor:

Tens2 = torch.tensor([[1, 7, -3], [4, -2, 0], [-5, 0, -8]])

print(Sampu2)

Lumikha ito ng 2D tensor tulad ng nakikita sa ibaba:

Hakbang 3: Kalkulahin ang Element-wise Entropy

Ngayon, kalkulahin ang element-wise entropy ng ' Sampu2 'tensor gamit ang' torch.special.entr() 'paraan:

tens2_Entr = torch.special.entr(Tens2)

Hakbang 4: Ipakita ang Computed Entropy

Panghuli, ipakita ang computed element-wise entropy ng tensor:

print(sampu2_Entr)

Ang entropy ng ' Sampu2 Ang ” tensor ay matagumpay na nakalkula:

Mahusay naming naipaliwanag ang paraan ng pagkalkula ng element-wise entropy ng mga tensor sa PyTorch.

Tandaan : Maa-access mo ang aming Google Colab Notebook dito link .

Konklusyon

Upang kalkulahin/hanapin ang element-wise entropy ng mga tensor sa PyTorch, una, i-import ang ' tanglaw ” aklatan. Pagkatapos, gawin ang gustong 1D o 2D tensor at tingnan ang mga elemento nito. Pagkatapos nito, gamitin ang ' torch.special.entr() ” paraan para makalkula ang element-wise entropy ng input tensor. Panghuli, ipakita ang nakalkulang entropy. Inihalimbawa ng artikulong ito ang paraan upang makalkula ang element-wise entropy ng mga tensor sa PyTorch.