Η εντροπία είναι ένα μέτρο της αβεβαιότητας ή της τυχαιότητας ενός συγκεκριμένου συστήματος. Η εντροπία ενός τανυστή βάσει στοιχείων είναι η εντροπία που υπολογίζεται για κάθε στοιχείο του τανυστή ξεχωριστά. Το PyTorch παρέχει το ' torch.special.entr() ” μέθοδος εύρεσης της εντροπίας οποιουδήποτε τανυστή. Εάν το στοιχείο του τανυστή είναι αρνητικό, η εντροπία του θα είναι αρνητικό άπειρο. Εάν το στοιχείο του τανυστή είναι ' 0 », η εντροπία του θα είναι επίσης « 0 '. Επιπλέον, εάν το στοιχείο τανυστή είναι θετικό, η εντροπία του θα υπολογιστεί ως το γινόμενο της αρνητικής τιμής του στοιχείου με τον φυσικό του λογάριθμο.
Αυτό το άρθρο θα εξηγήσει τη μέθοδο εύρεσης της εντροπίας των τανυστών στο PyTorch βάσει στοιχείων.
Πώς να βρείτε την Εντροπία τανυστήρων βάσει στοιχείων στο PyTorch;
Για να βρείτε την στοιχειώδη εντροπία των τανυστών στο PyTorch, το ' torch.special.entr() Χρησιμοποιείται η μέθοδος. Οι χρήστες πρέπει να περάσουν τον επιθυμητό τανυστή σε αυτή τη μέθοδο για να βρουν την εντροπία του ως προς τα στοιχεία.
Ανατρέξτε στα ακόλουθα παραδείγματα για καλύτερη κατανόηση:
Παράδειγμα 1: Υπολογισμός/Εύρεση της Εντροπίας του 1D Tensor βάσει στοιχείων
Στο πρώτο παράδειγμα, θα δημιουργήσουμε έναν τανυστή 1D και θα υπολογίσουμε την εντροπία του ως προς τα στοιχεία. Ας ακολουθήσουμε τα προβλεπόμενα βήματα:
Βήμα 1: Εισαγάγετε τη βιβλιοθήκη PyTorch
Πρώτα, εισαγάγετε το ' δάδα ” βιβλιοθήκη για τον υπολογισμό της εντροπίας βάσει στοιχείων:
φακός εισαγωγής 
Βήμα 2: Δημιουργήστε 1D Tensor
Στη συνέχεια, χρησιμοποιήστε το ' torch.tensor() ” λειτουργία για τη δημιουργία ενός τανυστή 1D και την εκτύπωση των στοιχείων του. Εδώ, δημιουργούμε το εξής ' Δεκάδες1 ” 1D τανυστής από μια λίστα:
Tens1 = torch.tensor([3, 0,8 , -1 , 5, 0, -9])εκτύπωση (Tens1)
Βήμα 3: Υπολογίστε την Εντροπία βάσει στοιχείων
Τώρα, χρησιμοποιήστε το ' torch.special.entr() ' μέθοδος για τον υπολογισμό της εντροπίας των στοιχείων του ' Δεκάδες1 ' τανύων μύς:
tens_Entr = torch.special.entr(Tens1) 
Βήμα 4: Εμφάνιση υπολογισμένης εντροπίας
Τέλος, εμφανίστε την υπολογισμένη εντροπία του τανυστή βάσει στοιχείων για επαλήθευση:
print(tens_Entr)Η παρακάτω έξοδος δείχνει την υπολογισμένη εντροπία του ' Δεκάδες1 ' τανύων μύς:
Παράδειγμα 2: Υπολογισμός/Εύρεση της Εντροπίας του 2D τανυστή βάσει στοιχείων
Στο δεύτερο παράδειγμα, θα δημιουργήσουμε έναν δισδιάστατο τανυστή και θα υπολογίσουμε την εντροπία του ως προς τα στοιχεία. Ας ακολουθήσουμε την παρακάτω διαδικασία βήμα προς βήμα:
Βήμα 1: Εισαγάγετε τη βιβλιοθήκη PyTorch
Πρώτα, εισαγάγετε το ' δάδα ” βιβλιοθήκη για τον υπολογισμό της εντροπίας:
φακός εισαγωγής 
Βήμα 2: Δημιουργήστε 2D Tensor
Στη συνέχεια, δημιουργήστε έναν επιθυμητό τανυστήρα 2D και εκτυπώστε τα στοιχεία του. Εδώ, δημιουργούμε το εξής ' Tens2 «2D τανυστής:
Tens2 = torch.tensor([[1, 7, -3], [4, -2, 0], [-5, 0, -8]])εκτύπωση (Tens2)
Αυτό έχει δημιουργήσει έναν δισδιάστατο τανυστή όπως φαίνεται παρακάτω:
Βήμα 3: Υπολογίστε την Εντροπία βάσει στοιχείων
Τώρα, υπολογίστε την στοιχειώδη εντροπία του ' Tens2 ' τανυστής χρησιμοποιώντας το ' torch.special.entr() 'μέθοδος:
tens2_Entr = torch.special.entr(Tens2) 
Βήμα 4: Εμφάνιση υπολογισμένης εντροπίας
Τέλος, εμφανίστε την υπολογισμένη εντροπία του τανυστή βάσει στοιχείων:
print(tens2_Entr)Η εντροπία του « Tens2 Ο τανυστής υπολογίστηκε με επιτυχία:
Έχουμε εξηγήσει αποτελεσματικά τη μέθοδο υπολογισμού της εντροπίας των τανυστών βάσει στοιχείων στο PyTorch.
Σημείωση : Μπορείτε να αποκτήσετε πρόσβαση στο Σημειωματάριο Google Colab από αυτό Σύνδεσμος .
συμπέρασμα
Για να υπολογίσετε/ βρείτε την εντροπία των τανυστών στο PyTorch, πρώτα εισάγετε το ' δάδα ' βιβλιοθήκη. Στη συνέχεια, δημιουργήστε τον επιθυμητό τανυστή 1D ή 2D και δείτε τα στοιχεία του. Μετά από αυτό, χρησιμοποιήστε το ' torch.special.entr() ” μέθοδος για τον υπολογισμό της εντροπίας των στοιχείων του τανυστή εισόδου. Τέλος, εμφανίστε την υπολογισμένη εντροπία. Αυτό το άρθρο έχει παραδειγματίσει τη μέθοδο υπολογισμού της εντροπίας των τανυστών βάσει στοιχείων στο PyTorch.