Cómo calcular la función de error de un tensor en PyTorch

En este artículo, cubriremos cómo calcular la función de error de un tensor en Python usando PyTorch .

método torch.special.erf()

Podemos calcular la función de error de un tensor usando el método torch.special.erf(). Este método acepta el tensor de entrada de cualquier dimensión y devuelve un tensor con una función de error calculada con la misma dimensión que el tensor de entrada. La siguiente sintaxis se utiliza para calcular la función de error de un tensor.

Sintaxis: torch.special.erf(entrada)

Parámetros:

• entrada: Este es nuestro tensor de entrada.

Retorno: este método devuelve un tensor con la función de error calculado del tensor de entrada.

Ejemplo 1:

El siguiente programa es para comprender cómo calcular la función de error del tensor 1D.

# import required libraries
import torch
 
# creating a 1D tensor
tens = torch.tensor([-0.7336, -0.9200, -0.4742,
                     -0.4470, -0.3472])
 
# print above created tensor
print("\n Input Tensor:", tens)
 
# compute the error function
er = torch.special.erf(tens)
 
# Display result
print("\n After Computed Error function :", er)

Producción:

 

Ejemplo 2:

El siguiente programa es para saber cómo calcular la función de error de un lote de tensores.

# import required libraries
import torch
 
# creating a batch of tensor
tens = torch.tensor([[[0.8636, -0.4195, -0.4681],
                      [0.1265, 1.2233, 0.1978],
                      [1.1389, 0.3686, 1.2339]],
                     [[1.6362, 0.6235, 1.2631],
                      [0.3336, 1.5336, 1.3677],
                      [0.5637, 1.3236, 0.2696]]])
 
# print above created tensor
print("\n\n Input Tensor: \n", tens)
 
# compute the error function
er = torch.special.erf(tens)
 
# Display result
print("\n\n After Computed Error function: \n", er)

Producción: