torch.pow

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

使用 exponent 对 input 中的每个元素进行幂运算，并返回一个包含结果的张量。

exponent 可以是单个 float 数字或与 input 元素数量相同的 Tensor。

当 exponent 是标量值时，应用的运算是

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

当 exponent 是张量时，应用的运算是

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

当 exponent 是张量时，input 和 exponent 的形状必须是 可广播的。

参数

• input (Tensor) – 输入张量。

• exponent (float 或 tensor) – 指数值

关键字参数

out (Tensor, 可选) – 输出张量。

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 是一个标量 float 值，而 exponent 是一个张量。返回的张量 out 与 exponent 形状相同。

应用的操作是

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

参数

• self (float) – 幂运算的标量基值

• exponent (Tensor) – 指数张量

关键字参数

out (Tensor, 可选) – 输出张量。

示例

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