pytorch 的 remainder() 函数详解：高效进行模运算
本文将详细介绍 PyTorch 中 remainder() 函数的用法，它可以对张量或标量进行高效的模运算（求余数）。 一杯咖啡☕已备好，请享用！
remainder() 函数能够对两个张量或一个张量和一个标量进行逐元素的模运算，返回结果张量与输入张量形状一致。
函数参数:
-
input(Tensor or scalar): 输入张量或标量 (int 或 float 类型)。如果使用torch函数调用，则input为必需参数，且标量必须使用input=关键字参数指定。 -
other(Tensor or scalar): 另一个输入张量或标量 (int 或 float 类型)。 必需参数。 -
out(Tensor, optional): 输出张量。可选参数，用于指定输出张量的存储位置。
使用示例:
以下代码示例展示了 remainder() 函数在不同输入类型下的使用方法：
<code class="python">import torch
# 整数张量
tensor1 = torch.tensor([9, 7, 6])
tensor2 = torch.tensor([[4, -4, 3], [-2, 5, -5]])
result1 = torch.remainder(input=tensor1, other=tensor2) # 使用关键字参数指定 input
result2 = tensor1.remainder(other=tensor2) # 使用方法调用
print(f"Result 1:\n{result1}\n")
print(f"Result 2:\n{result2}\n")
result3 = torch.remainder(9, other=tensor2) # 标量与张量运算
print(f"Result 3:\n{result3}\n")
result4 = torch.remainder(input=tensor1, other=4) # 张量与标量运算
print(f"Result 4:\n{result4}\n")
# 负数整数张量
tensor1 = torch.tensor([-9, -7, -6])
tensor2 = torch.tensor([[4, -4, 3], [-2, 5, -5]])
result5 = torch.remainder(input=tensor1, other=tensor2)
print(f"Result 5:\n{result5}\n")
result6 = torch.remainder(-9, other=tensor2)
print(f"Result 6:\n{result6}\n")
result7 = torch.remainder(input=tensor1, other=4)
print(f"Result 7:\n{result7}\n")
# 浮点数张量
tensor1 = torch.tensor([9.75, 7.08, 6.26])
tensor2 = torch.tensor([[4.26, -4.54, 3.37], [-2.16, 5.43, -5.98]])
result8 = torch.remainder(input=tensor1, other=tensor2)
print(f"Result 8:\n{result8}\n")
result9 = torch.remainder(9.75, other=tensor2)
print(f"Result 9:\n{result9}\n")
result10 = torch.remainder(input=tensor1, other=4.26)
print(f"Result 10:\n{result10}\n")
</code>
重要说明:
-
other参数不能为 0，否则会引发ZeroDivisionError。 - 不能同时使用标量作为
input和other参数。 - 结果张量的符号与
other参数的符号相同。
