Python PyTorch logaddexp用法及代码示例

本文简要介绍python语言中 torch.logaddexp 的用法。

用法:

torch.logaddexp(input, other, *, out=None) → Tensor

参数：

• input(Tensor) -输入张量。

• other(Tensor) -第二个输入张量

关键字参数：

out(Tensor,可选的) -输出张量。

输入的幂和的对数。

逐点计算 \log\left(e^x + e^y\right) 。此函数在计算的事件概率可能小到超出正常浮点数范围的统计中很有用。在这种情况下，存储计算概率的对数。此函数允许添加以这种方式存储的概率。

此操作应与 torch.logsumexp() 消除歧义，它对单个张量执行缩减。

例子：

>>> torch.logaddexp(torch.tensor([-1.0]), torch.tensor([-1.0, -2, -3]))
tensor([-0.3069, -0.6867, -0.8731])
>>> torch.logaddexp(torch.tensor([-100.0, -200, -300]), torch.tensor([-1.0, -2, -3]))
tensor([-1., -2., -3.])
>>> torch.logaddexp(torch.tensor([1.0, 2000, 30000]), torch.tensor([-1.0, -2, -3]))
tensor([1.1269e+00, 2.0000e+03, 3.0000e+04])