🎬 鸽芷咕：个人主页
 🔥 个人专栏: 《C++干货基地》《粉丝福利》

⛺️生活的理想，就是为了理想的生活!

---

引言

在深度学习领域，PyTorch是一个非常受欢迎的框架，它提供了丰富的库函数来支持各种复杂的计算任务。今天，我们将深入探讨PyTorch中的一个基础但非常重要的函数：torch.abs()。这个函数用于计算张量（Tensor）中每个元素的绝对值。在数学中，绝对值表示一个数与零之间的距离，不考虑数的正负。在PyTorch中，torch.abs()函数可以应用于标量、向量、矩阵以及更高维的张量。

函数原型

首先，我们来看一下torch.abs()函数的原型：

torch.abs(input, *, out=None) → Tensor

• input：表示输入的张量，可以是任何类型的标量、向量、矩阵等。
• out：可选参数，表示输出张量的目的地。如果指定了out，那么计算结果会直接存储在out张量中，而不是创建一个新的张量。

使用示例

下面是一些使用torch.abs()函数的示例：

计算标量的绝对值

import torch
# 创建一个标量张量
scalar_tensor = torch.tensor(-3.14)
# 计算绝对值
abs_scalar = torch.abs(scalar_tensor)
print(abs_scalar)  # 输出: tensor(3.14)

计算向量的绝对值

# 创建一个向量张量
vector_tensor = torch.tensor([-1, -2, -3])
# 计算绝对值
abs_vector = torch.abs(vector_tensor)
print(abs_vector)  # 输出: tensor([1, 2, 3])

计算矩阵的绝对值

# 创建一个矩阵张量
matrix_tensor = torch.tensor([[-1, -2], [-3, -4]])
# 计算绝对值
abs_matrix = torch.abs(matrix_tensor)
print(abs_matrix)
# 输出:
# tensor([[1, 2],
#        [3, 4]])

使用out参数

# 创建一个张量
input_tensor = torch.tensor([-1, -2, -3])
# 创建一个输出张量
out_tensor = torch.empty(3)
# 使用out参数
torch.abs(input_tensor, out=out_tensor)
print(out_tensor)  # 输出: tensor([1, 2, 3])

结论

torch.abs()函数是PyTorch中非常基础且常用的函数之一，它可以轻松地计算张量中每个元素的绝对值。无论是在进行数学运算，还是在深度学习模型的构建过程中，torch.abs()都是一个不可或缺的工具。希望这篇博客能帮助您更好地理解和运用这个函数。