Comment trouver l'entropie élément par élément d'un tenseur dans PyTorch ?

Comment Trouver L Entropie Element Par Element D Un Tenseur Dans Pytorch



L'entropie est une mesure de l'incertitude ou du caractère aléatoire d'un système particulier. L'entropie élément par élément d'un tenseur est l'entropie calculée pour chaque élément du tenseur individuellement. PyTorch fournit le «  torche.special.entr() ' méthode pour trouver l'entropie de n'importe quel tenseur. Si l’élément du tenseur est négatif, son entropie sera négative à l’infini. Si l’élément tensoriel est « 0 », son entropie sera également « 0 ». De plus, si l’élément tensoriel est positif, son entropie sera calculée comme le produit de la valeur négative de l’élément par son logarithme népérien.

Cet article illustrera la méthode permettant de trouver l'entropie élément par élément des tenseurs dans PyTorch.







Comment trouver l'entropie des tenseurs par élément dans PyTorch ?

Pour trouver l'entropie élément par élément des tenseurs dans PyTorch, le ' torche.special.entr() ' La méthode est utilisée. Les utilisateurs doivent transmettre le tenseur souhaité à cette méthode pour trouver son entropie élément par élément.



Parcourez les exemples suivants fournis pour une meilleure compréhension :



Exemple 1 : Calculer/Rechercher l'entropie par élément du tenseur 1D

Dans le premier exemple, nous allons créer un tenseur 1D et calculer son entropie élément par élément. Suivons les étapes fournies :





Étape 1 : Importer la bibliothèque PyTorch

Tout d’abord, importez le « torche ' bibliothèque pour calculer l'entropie élément par élément :

importer une torche



Étape 2 : Créer un tenseur 1D

Ensuite, utilisez le ' torche.tensor() » pour créer un tenseur 1D et imprimer ses éléments. Ici, nous créons ce qui suit » Dizaines1 ' Tenseur 1D à partir d'une liste :

Tens1 = torche.tensor([3, 0.8 , -1 , 5, 0, -9])

imprimer (Dizaines1)

Étape 3 : Calculer l'entropie par élément

Maintenant, utilisez le ' torche.special.entr() ' méthode pour calculer l'entropie élément par élément du ' Dizaines1 ' Tenseur :

tens_Entr = torch.special.entr(Tens1)

Étape 4 : Afficher l'entropie calculée

Enfin, affichez l'entropie élément par élément calculée du tenseur pour vérification :

imprimer(tens_Entr)

La sortie ci-dessous montre l'entropie calculée du ' Dizaines1 ' Tenseur :

Exemple 2 : calculer/trouver l'entropie par élément du tenseur 2D

Dans le deuxième exemple, nous allons créer un tenseur 2D et calculer son entropie élément par élément. Suivons la procédure étape par étape ci-dessous :

Étape 1 : Importer la bibliothèque PyTorch

Tout d’abord, importez le « torche ' bibliothèque pour calculer l'entropie :

importer une torche

Étape 2 : Créer un tenseur 2D

Ensuite, créez le tenseur 2D souhaité et imprimez ses éléments. Ici, nous créons ce qui suit » Dizaines2 « Tenseur 2D :

Tens2 = torch.tensor([[1, 7, -3], [4, -2, 0], [-5, 0, -8]])

imprimer (Dizaines2)

Cela a créé un tenseur 2D comme indiqué ci-dessous :

Étape 3 : Calculer l'entropie par élément

Maintenant, calculez l’entropie élément par élément du « Dizaines2 ' Tenseur utilisant le ' torche.special.entr() ' méthode:

tens2_Entr = torch.special.entr(Tens2)

Étape 4 : Afficher l'entropie calculée

Enfin, affichez l'entropie élément par élément calculée du tenseur :

imprimer(tens2_Entr)

L'entropie du ' Dizaines2 ' Le tenseur a été calculé avec succès :

Nous avons expliqué efficacement la méthode de calcul de l'entropie élément par élément des tenseurs dans PyTorch.

Note  : Vous pouvez accéder à notre bloc-notes Google Colab à cette adresse lien .

Conclusion

Pour calculer/trouver l'entropie élément par élément des tenseurs dans PyTorch, importez d'abord le ' torche ' bibliothèque. Ensuite, créez le tenseur 1D ou 2D souhaité et visualisez ses éléments. Après cela, utilisez le ' torche.special.entr() ' pour calculer l'entropie élément par élément du tenseur d'entrée. Enfin, affichez l’entropie calculée. Cet article a illustré la méthode permettant de calculer l'entropie élément par élément des tenseurs dans PyTorch.