torch.pow

torch.pow(input, exponent, *, out=None) → Tensor

計算 input 中每個元素的 exponent 次冪，並返回結果張量。

exponent 可以是單個 float 數，也可以是與 input 元素數量相同的 Tensor。

當 exponent 是一個標量值時，應用的操作是

$$\text{out}_i = x_i ^ \text{exponent}$$

當 exponent 是一個張量時，應用的操作是

$$\text{out}_i = x_i ^ {\text{exponent}_i}$$

當 exponent 是一個張量時，input 和 exponent 的形狀必須是 可廣播的。

引數

• input (Tensor) – 輸入張量。

• exponent (float 或 張量) – 指數的值

關鍵字引數

out (Tensor, 可選) – 輸出張量。

示例

>>> a = torch.randn(4)
>>> a
tensor([ 0.4331,  1.2475,  0.6834, -0.2791])
>>> torch.pow(a, 2)
tensor([ 0.1875,  1.5561,  0.4670,  0.0779])
>>> exp = torch.arange(1., 5.)

>>> a = torch.arange(1., 5.)
>>> a
tensor([ 1.,  2.,  3.,  4.])
>>> exp
tensor([ 1.,  2.,  3.,  4.])
>>> torch.pow(a, exp)
tensor([   1.,    4.,   27.,  256.])

torch.pow(self, exponent, *, out=None) → Tensor

self 是一個標量 float 值，而 exponent 是一個張量。返回的張量 out 的形狀與 exponent 相同

應用的操作是

$$\text{out}_i = \text{self} ^ {\text{exponent}_i}$$

引數

• self (float) – 冪運算的標量底值

• exponent (Tensor) – 指數張量

關鍵字引數

out (Tensor, 可選) – 輸出張量。

示例

>>> exp = torch.arange(1., 5.)
>>> base = 2
>>> torch.pow(base, exp)
tensor([  2.,   4.,   8.,  16.])