Cómo calcular la función logística sigmoidea de los elementos tensoriales en PyTorch

En este artículo, veremos cómo calcular la función logística sigmoidea de Tensor Elements en PyTorch.

Los métodos torch.special.expit() & torch.sigmoid() son funciones logísticas en un tensor. torch.sigmoid() es un alias del método torch.special.expit(). Por lo tanto, estos métodos tomarán el tensor de la antorcha como entrada y calcularán la función logística por elementos del tensor.

Sintaxis:

torch.special.expit(tensor)
torch.sigmoid(tensor)

Parámetro:

• tensor es el tensor de entrada

Return : Devuelve la función logística de elementos con nuevo tensor.

Ejemplo 1:

En este ejemplo, estamos creando un tensor unidimensional con 6 elementos y devolviendo la función logística sigmoidea de los elementos usando el método sigmoid().

import torch
  
# create 1D tensor with 6 elements
t1 = torch.arange(1, 13)
  
# display
print(t1)
  
# Compute the logistic sigmoid 
# function of elements in the
# above tensor
print(torch.sigmoid(t1))

Producción:

tensor([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])

tensor([0.7311, 0.8808, 0.9526, 0.9820, 0.9933, 0.9975, 0.9991, 0.9997, 0.9999,

        1.0000, 1.0000, 1.0000])

Ejemplo 2:

En este ejemplo, estamos creando un tensor unidimensional con 5 elementos y devolviendo la función sigmoidea logística de los elementos usando el método torch.special.expit().

import torch
  
# create 1D tensor with 5 elements
t1 = torch.arange(1, 6)
  
# display
print(t1)
  
# Compute the logistic sigmoid 
# function of elements in the
# above tensor
print(torch.special.expit(t1))

Producción:

tensor([1, 2, 3, 4, 5])

tensor([0.7311, 0.8808, 0.9526, 0.9820, 0.9933])

Ejemplo 3:

En este ejemplo, estamos creando un tensor bidimensional con elementos de 3 × 3 y devolviendo la función logística sigmoidea de los elementos usando el método sigmoid().

import torch
  
# create 2D tensor with 3 elements each
t1 = torch.tensor([[-20, 34, 56], [6, -9, 8]])
  
# display
print(t1)
  
# Compute the logistic sigmoid function
# of elements in the above tensor
print(torch.sigmoid(t1))

Producción:

tensor([[-20,  34,  56],
        [  6,  -9,   8]])
tensor([[2.0612e-09, 1.0000e+00, 1.0000e+00],
        [9.9753e-01, 1.2339e-04, 9.9966e-01]])

Ejemplo 4:

En este ejemplo, estamos creando un tensor bidimensional con 3 × 3 elementos cada uno y, devolviendo la función logística sigmoidea de los elementos usando el método torch.special.expit().

import torch
  
# create 2D tensor with 3 elements each
t1 = torch.tensor([[-20, 34, 56, ], [78, 90, 8]])
  
# display
print(t1)
  
# Compute the logistic sigmoid
# function of elements in the
# above tensor
print(torch.special.expit(t1))

Producción:

tensor([[-20,  34,  56],
        [  6,  -9,   8]])
tensor([[2.0612e-09, 1.0000e+00, 1.0000e+00],
        [9.9753e-01, 1.2339e-04, 9.9966e-01]])