একটি PyTorch টেনসর একটি numpy অ্যারের অনুরূপ। একমাত্র পার্থক্য হল একটি টেনসর জিপিইউ ব্যবহার করে নামেরিক কম্পিউটেশন অ্যাসিলারেট করে। একটি টেনসরের মিডিয়ান (গড়) torch.mean() মেথড ব্যবহার করে কম্পিউট করা হয়। এটি ইনপুট টেনসরের সকল এলিমেন্টের মিডিয়ান ভ্যালু রিটার্ন করে। আমরা উপযুক্ত axis বা dim প্রদান করে রো-ওয়াইজ এবং কলাম-ওয়াইজও মিডিয়ান কম্পিউট করতে পারি।
একটি টেনসরের স্ট্যান্ডার্ড ডেভিয়েশন torch.std() ব্যবহার করে কম্পিউট করা হয়। এটি টেনসরের সকল এলিমেন্টের স্ট্যান্ডার্ড ডেভিয়েশন রিটার্ন করে। mean-এর মতো, আমরা standard deviation-ও রো বা কলাম-ওয়াইজ কম্পিউট করতে পারি।
ধাপসমূহ
প্রয়োজনীয় লাইব্রেরি ইমপোর্ট করুন। নিচের সকল পাইথন উদাহরণে, প্রয়োজনীয় পাইথন লাইব্রেরি হল torch। নিশ্চিত করুন যে আপনি ইতিমধ্যে এটি ইন্সটল করেছেন।
একটি PyTorch টেনসর ডিফাইন করুন এবং প্রিন্ট করুন।
torch.mean(input, axis) ব্যবহার করে মিডিয়ান কম্পিউট করুন। এখানে, input হল সেই টেনসর যার জন্য মিডিয়ান কম্পিউট করা উচিত এবং axis (বা dim) হল ডাইমেনশনগুলোর লিস্ট। কম্পিউট করা মিডিয়ানকে একটি নতুন ভেরিয়েবলে অ্যাসাইন করুন।
torch.std(input, axis) ব্যবহার করে স্ট্যান্ডার্ড ডেভিয়েশন কম্পিউট করুন। এখানে, input হল tensor এবং axis (বা dim) হল ডাইমেনশনগুলোর লিস্ট। কম্পিউট করা স্ট্যান্ডার্ড ডেভিয়েশনকে একটি নতুন ভেরিয়েবলে অ্যাসাইন করুন।
উপরে কম্পিউট করা মিডিয়ান এবং স্ট্যান্ডার্ড ডেভিয়েশন প্রিন্ট করুন।
উদাহরণ ১
নিচের পাইথন প্রোগ্রামটি দেখায় কীভাবে একটি ১D টেনসরের মিডিয়ান এবং স্ট্যান্ডার্ড ডেভিয়েশন কম্পিউট করতে হয়।
# ১D টেনসরের মিডিয়ান এবং স্ট্যান্ডার্ড ডেভিয়েশন কম্পিউট করার পাইথন প্রোগ্রাম
# লাইব্রেরি ইমপোর্ট করুন
import torch
# একটি টেনসর তৈরি করুন
T = torch.Tensor([2.453, 4.432, 0.754, -6.554])
print("T:", T)
# মিডিয়ান এবং স্ট্যান্ডার্ড ডেভিয়েশন কম্পিউট করুন
mean = torch.mean(T)
std = torch.std(T)
# কম্পিউট করা মিডিয়ান এবং স্ট্যান্ডার্ড ডেভিয়েশন প্রিন্ট করুন
print("Mean:", mean)
print("Standard deviation:", std)
আউটপুট
T: tensor([ 2.4530, 4.4320, 0.7540, -6.5540]) Mean: tensor(0.2713) Standard deviation: tensor(4.7920)
উদাহরণ ২
নিচের পাইথন প্রোগ্রামটি দেখায় কীভাবে একটি ২D টেনসরের মিডিয়ান এবং স্ট্যান্ডার্ড ডেভিয়েশন উভয় ডাইমেনশনে, অর্থাৎ রো-ওয়াইজ এবং কলাম-ওয়াইজ কম্পিউট করতে হয়।
# প্রয়োজনীয় লাইব্রেরি ইমপোর্ট করুন
import torch
# একটি 3x4 2D টেনসর তৈরি করুন
T = torch.Tensor([[2, 4, 7, -6],
[7, 33, -62, 23],
[2, -6, -77, 54]])
print("T:\n", T)
# মিডিয়ান এবং স্ট্যান্ডার্ড ডেভিয়েশন কম্পিউট করুন
mean = torch.mean(T)
std = torch.std(T)
print("Mean:", mean)
print("Standard deviation:", std)
# কলাম-ওয়াইজ মিডিয়ান এবং std কম্পিউট করুন
mean = torch.mean(T, axis=0)
std = torch.std(T, axis=0)
print("Column-wise Mean:\n", mean)
print("Column-wise Standard deviation:\n", std)
# রো-ওয়াইজ মিডিয়ান এবং std কম্পিউট করুন
mean = torch.mean(T, axis=1)
std = torch.std(T, axis=1)
print("Row-wise Mean:\n", mean)
print("Row-wise Standard deviation:\n", std)
আউটপুট
T: tensor([[ 2., 4., 7., -6.],
[ 7., 33., -62., 23.],
[ 2., -6., -77., 54.]])
Mean: tensor(-1.5833)
Standard deviation: tensor(36.2703)
Column-wise Mean: tensor([ 3.6667, 10.3333, -44.0000, 23.6667])
Column-wise Standard deviation: tensor([ 2.8868, 20.2567, 44.7996, 30.0056])
Row-wise Mean: tensor([ 1.7500, 0.2500, -6.7500])
Row-wise Standard deviation: tensor([ 5.5603, 42.8593, 53.8602])
