PyTorch Tips(二)

最新推荐文章于 2025-12-09 19:50:25 发布

原创最新推荐文章于 2025-12-09 19:50:25 发布 · 259 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #python

本文详细介绍了PyTorch中的归并操作，包括常见的函数如norm、mean、sum、std等，以及如何通过参数dim指定操作维度。通过示例代码展示了不同参数设置下输出形状的变化，帮助读者深入理解归并操作的使用。

部署运行你感兴趣的模型镜像

归并操作
此类操作会使输出形状小于输入形状，并可以沿着某一维度进行指定操作。如加法sum，既可以计算整个tensor的和，也可以计算tensor中每一行或每一列的和。常用的归并操作如下表所示：

以上大多数函数都有一个参数dim,用来指定这些操作是在哪个维度上执行的。关于dim（对应于numpy中的axis）
的解释众说纷纭，这里提供一个简单的记忆方式。
假设输入的形状是（m,n,k）:
a.如果指定dim=0,输出的形状就是（1,n,k）或（n,k）;
b.如果指定dim=1,输出的形状就是（m,1,k）或（m,k）;
c.如果指定dim=2,输出的形状就是（m,n,1）或（m,n）;
size中是否有“1”，取决于参数keepdim,keepdim=True会保留维度1.从PyTorch0.2.0版本起，keepdim默认为False。注意，以上只是经验总结，并非所有函数都符合这种形状变化，如cumsum。

代码如下：

from __future__ import print_function
import torch as t


b = t.ones(2,3)
b.sum(dim = 0,keepdim = True)
b.sum(dim = 0,keepdim = False)
b.sum(dim = 1)


a = t.arange(0,6).view(2,3)
print(a)
a.cumsum(dim = 1)

输出如下：

b.sum(dim = 0,keepdim = True)
Out[3]: tensor([[2., 2., 2.]])

b.sum(dim = 0,keepdim = False)
Out[4]: tensor([2., 2., 2.])

b.sum(dim = 1)
Out[5]: tensor([3., 3.])

a = t.arange(0,6).view(2,3)
print(a)
tensor([[0, 1, 2],
        [3, 4, 5]])

a.cumsum(dim = 1)
Out[7]: 
tensor([[ 0,  1,  3],
        [ 3,  7, 12]])

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch

Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理