一、前言

嗯……最近遇到的奇奇怪怪的方法很多了，学无止境啊！学不完啊，根本学不完！本篇文章介绍四个方法：torch.gt()、torch.ge()、torch.le()和torch.lt()方法，由于这四个方法很相似，所以放到一块解析了！

函数	作用
torch.gt(intput, other)	input > other
torch.ge(intput, other)	input ≥ other
torch.le(intput, other)	input ≤ other
torch.lt(intput, other)	input < other

二、方法解析

由于方法类似，我们只取一个进行详细解析，其它三个只是比较的方式不同而已，用法完全相同。

2.1 torch.gt()

按照惯例，先对函数的参数及return做一个简单的解释。函数的作用：元素级的比较input是否大于other，如果input>other，那input当前位置的元素为True；否则，当前位置的元素为False。

argument

• input：要比较的tensor
• other：可以是一个float类型的数，或者是可以与input进行广播的tensor

return

• 返回一个boolean类型的tensor

2.2 torch.ge()

作用：判断input是否大于等于other。

2.3 torch.le()

作用：判断input是否小于等于other。

2.4 torch.lt()

作用：判断input是否小于other。

三、案例分析

3.1 torch.gt()

• 案例1

t = torch.tensor([[1,2],[3,1]])
other = 1
torch.gt(t, 1)

• 运行结果

tensor([[False,  True],[ True, False]])

• 案例2

t = torch.tensor([[1,2],[3,1]])
other = torch.tensor([[2,1],[1,2]])
torch.gt(t, other)

• 运行结果

tensor([[False,  True],[ True, False]])

3.2 torch.ge()

• 案例1

t = torch.tensor([[1,2],[3,1]])
other = 1
torch.ge(t, 1)

• 运行结果

tensor([[True, True],[True, True]])

• 案例2

t = torch.tensor([[1,2],[3,1]])
other = torch.tensor([[2,1],[1,2]])
torch.ge(t, other)

• 运行结果

tensor([[False,  True],[ True, False]])

3.3 torch.le()

• 案例1

t = torch.tensor([[1,2],[3,1]])
other = 1
torch.le(t, 1)

• 运行结果

tensor([[ True, False],[False,  True]])

• 案例2

t = torch.tensor([[1,2],[3,1]])
other = torch.tensor([[2,1],[1,2]])
torch.le(t, other)

• 运行结果

tensor([[ True, False],[False,  True]])

3.4 torch.lt()

• 案例1

t = torch.tensor([[1,2],[3,1]])
other = 1
torch.lt(t, 1)

tensor([[False, False],[False, False]])

• 案例2

t = torch.tensor([[1,2],[3,1]])
other = torch.tensor([[2,1],[1,2]])
torch.lt(t, other)

tensor([[ True, False],[False,  True]])

参考文献

[1]torch.gt()方法官方解释
[2]torch.ge()方法官方解释
[3]torch.le()方法官方解释
[4]torch.lt()方法官方解释

今天的你，学会了吗？