¿Cómo calcular la función de paso de Heaviside para cada elemento en la entrada en PyTorch?

En este artículo, cubriremos cómo calcular la función de paso de Heaviside para cada elemento en la entrada en PyTorch usando Python. Podemos calcular esto con la ayuda del método torch.heaviside().

método torch.heaviside()

El método torch.heaviside() se utiliza para calcular la función de paso de Heaviside para cada elemento. Este método acepta entradas y valores como parámetros. El tipo de parámetros debe ser solo tensor. Si la entrada <0, entonces devuelve 0. Mientras que, si la entrada> 0, entonces este método 1 respectivamente. Si la entrada = 0, este método devuelve un valor igual a los valores (uno de los parámetros). A continuación se muestra la sintaxis del método dado:

Sintaxis: torch.heaviside(entrada, valor)

Parámetros:

• entrada (Tensor): Este es nuestro tensor de entrada.
• valor (Tensor): Este valor es un tensor y es donde la entrada es 0.

Retorno: este método devuelve la función de paso de lado pesado calculada.

Ejemplo 1

En este ejemplo, calculamos la función escalón de Heaviside para cada elemento en el tensor 1D dado.

# Import the required libraries
import torch
  
# define two tensors
input_tens = torch.tensor([0.3, -1.2, 0, 2.0, 0.9])
values_tens = torch.tensor([0.2])
  
# display above defined tensors
print(" The Input Tensor: ", input_tens)
print(" The Values Tensor: ", values_tens)
  
# compute heaviside step function for each 
# element
hea = torch.heaviside(input_tens, values_tens)
  
# Display Output
print(" computed Heaviside step function for each element: \n", hea)

Producción:

 

Ejemplo 2

En el siguiente ejemplo, calculamos la función escalón de Heaviside para cada elemento en el tensor 2D dado.

# Import the required libraries
import torch
  
# define a 2D tensor for input
input_tens = input = torch.tensor([[-2.9, 0.0, -1.6, 2.5],
                                   [0.0, -1.2, 0.0,  0.0],
                                   [-2.3, 0.0, 1.8, -1.3],
                                   [0.0, 2.2, -1.3, 0.0]])
  
# define a tensor for values
values_tens = torch.tensor([0.2, 0.3, 0.4, 0.5])
  
# display above defined tensors
print("\n\n The Input Tensor: \n", input_tens)
print("\n The Values Tensor: \n", values_tens)
  
# compute heaviside step function for each 
# element
hea = torch.heaviside(input_tens, values_tens)
  
# Display Output
print("\n computed Heaviside step function for each element: \n", hea)

Producción: