Python | PyTorch tanh() 方法

PyTorch 是一个基于 Python 的深度学习框架，其中包含了大量的数学计算方法。在 PyTorch 中，tanh() 是一个常用的数学计算方法，用于计算 tanh 函数。

什么是 tanh 函数？

tanh 函数，即双曲正切函数，是一种常用的激活函数。它的数学表达式如下：

$$\tanh(x) = \frac{\sinh(x)}{\cosh(x)} = \frac{e^{x}-e^{-x}}{e^{x}+e^{-x}}$$

它的图像如下所示：

什么是 PyTorch？

PyTorch 是一个基于 Python 的深度学习框架。它提供了很多方便的 API，帮助用户快速实现神经网络的构建、训练和预测。PyTorch 还支持 GPU 加速，可以大幅提升训练速度。

PyTorch 中的 tanh() 方法

在 PyTorch 中，tanh() 方法即为 torch.tanh()，用于计算输入张量各元素的 tanh 值。它的函数原型如下：

torch.tanh(input, out=None) -> Tensor

参数：

• input：需要计算 tanh 值的张量。
• out（可选）：计算结果的张量，如果不指定该参数，将创建新的张量保存结果。

返回：

• 返回张量，其各元素是输入张量的 tanh 值。

示例：

import torch

x = torch.tensor([1.0, -1.0, 0.0])
y = torch.tanh(x)
print(y)  # tensor([ 0.7616, -0.7616,  0.0000])

上述例子中，我们使用了一个包含 3 个元素的张量 x，然后调用 torch.tanh() 方法计算它的 tanh 值。最终输出结果为新的张量 y，其中 y 的三个元素分别为 0.7616、-0.7616 和 0.0000。

总结

本文介绍了 PyTorch 中的 tanh() 方法，包括它的数学定义、PyTorch 中的使用方法和示例。tanh() 是一个常用的数学计算方法，能够帮助神经网络模型更好地学习特征。