Operaciones vectoriales en Pytorch

En este artículo, vamos a discutir las operaciones vectoriales en PyTorch. Los vectores son un tensor unidimensional, que se utiliza para manipular los datos. Las operaciones vectoriales son de diferentes tipos, como la operación matemática, el producto escalar y el espacio lineal.

PyTorch es una biblioteca de tensores optimizada que se utiliza principalmente para aplicaciones de aprendizaje profundo que utilizan GPU y CPU. Es una de las bibliotecas de aprendizaje automático más utilizadas, otras son TensorFlow y Keras.

Podemos crear un vector usando la función torch.tensor()

Sintaxis:

antorcha.tensor([valor1,valor2,.valor n])

donde los valores son los valores de entrada que toman la entrada como una lista

Ejemplo:

# importing pytorch module
import torch
 
# create an vector
A = torch.tensor([7058, 7059, 7060, 7061, 7062])
 
# display
print(A)

Producción:

tensor([7058, 7059, 7060, 7061, 7062])

Ahora analicemos cada operación vectorial compatible con el tensor. 

Operaciones aritmeticas

El procedimiento es extremadamente simple, solo cree dos vectores y realice operaciones en ellos como si estuviera realizando en dos variables regulares.

Ejemplo:

# importing pytorch module
import torch
 
# create an vector A
A = torch.tensor([58, 59, 60, 61, 62])
 
# create an vector B
B = torch.tensor([100, 120, 140, 160, 180])
 
# add two vectors
print("Addition of two vectors:", A+B)
 
# subtract two vectors
print("subtraction of two vectors:", A-B)
 
# multiply two vectors
print("multiplication of two vectors:", A*B)
 
# multiply two vectors
print("multiplication of two vectors:", A*B)
 
# divide two vectors
print("division of two vectors:", A/B)
 
# floor divide two vectors
print("floor division of two vectors:", A//B)
 
# modulus of two vectors
print("modulus operation of two vectors:", A % B)
 
# power of two vectors
print("power operation of two vectors:", A**B)

Producción:

Suma de dos vectores: tensor([158, 179, 200, 221, 242])

resta de dos vectores: tensor([ -42, -61, -80, -99, -118])

multiplicación de dos vectores: tensor([ 5800, 7080, 8400, 9760, 11160])

multiplicación de dos vectores: tensor([ 5800, 7080, 8400, 9760, 11160])

división de dos vectores: tensor([0.5800, 0.4917, 0.4286, 0.3812, 0.3444])

división de piso de dos vectores: tensor([0, 0, 0, 0, 0])

operación módulo de dos vectores: tensor([58, 59, 60, 61, 62])

operación de potencia de dos vectores: tensor([ 0, -4166911448072485343, 0,8747520307384418433, 0])

operaciones unarias

Es similar a las operaciones aritméticas excepto que la otra parte del vector se reemplaza por una constante.

Ejemplo:

# importing pytorch module
import torch
 
# create an vector A
A = torch.tensor([58, 59, 60, 61, 62])
 
# divide vector by 2
print(A/2)
 
# multiply vector by 2
print(A*2)
 
# subtract  vector by 2
print(A-2)

Producción:

tensor([29.0000, 29.5000, 30.0000, 30.5000, 31.0000])

tensor([116, 118, 120, 122, 124])

tensor([56, 57, 58, 59, 60])

producto punto

dot() se usa para obtener el producto escalar. Solo hay que pasarle los vectores en consideración.

Sintaxis:

antorcha.punto(vector1,vector2)  

Ejemplo:

# importing pytorch module
import torch
 
# create an vector A
A = torch.tensor([58, 59, 60, 61, 62])
 
# create an vector B
B = torch.tensor([8, 9, 6, 1, 2])
 
# dot product of the two vectors
print(torch.dot(A, B))

Producción:

tensor(1540)

Función de espacio lineal

linspace se utiliza para organizar los datos linealmente en el espacio dado. Está disponible en el paquete torch y es suficiente usar la función linspace() con valores para el inicio y el final.

Sintaxis :

torch.linspace(inicio,fin)  

donde start es el valor inicial y end es el valor final.

Ejemplo

# importing pytorch module
import torch
 
# arrange the elements from 2 to 10
print(torch.linspace(2, 10))

Producción:

Trazar una función en el sistema de coordenadas bidimensional

La función linspace se utiliza para trazar una función en sistemas de coordenadas bidimensionales. Para el eje x, creamos un espacio terrestre de 0 a 10 en un intervalo de 2,5, y Y será la función de cada valor de x. 

Ejemplo 1: función sin

#import pytorch
import torch
 
#import numpy
import numpy as np
 
#import matplotlib
import matplotlib.pyplot as plt
 
# create lin space from 1 to 12
x = torch.linspace(1, 12)
 
# sin function
y = torch.sin(x)
 
# plot
plt.plot(x.numpy(), y.numpy())
 
# display
plt.show()

Producción:

Ejemplo 2: función cos

#import pytorch
import torch
 
#import numpy
import numpy as np
 
#import matplotlib
import matplotlib.pyplot as plt
 
# create lin space from 1 to 12
x = torch.linspace(1, 12)
 
# cos function
y = torch.cos(x)
 
# plot
plt.plot(x.numpy(), y.numpy())
 
# display
plt.show()

Producción:

Ejemplo 3: función tan()

#import pytorch
import torch
 
#import numpy
import numpy as np
 
#import matplotlib
import matplotlib.pyplot as plt
 
# create lin space from 1 to 12
x = torch.linspace(1, 12)
 
# tan function
y = torch.tan(x)
 
# plot
plt.plot(x.numpy(), y.numpy())
 
# display
plt.show()

Producción: