Tensor中dim与Numpy中axis的比较

目录

前言

 Numpy array的axis指令

Tensor 的dim指令

总结

---

前言

        在实际应用中，我发现python中import Numpy后在Numpy array计算中axis指令与pytorch框架下import torch / torch.nn后Tensor计算中dim指令难以区分，原以为二者大差不差，其实也有较大的差别。经过查阅相关资料，大部分文章一是概念讲述苦涩难懂，无法用简洁的语言使其明了，二是分析片面，综合性差，不能举一反三，触内旁通，综上，本文将从两个方面提供更加全面准确的讲解。

 Numpy array的axis指令

导入numpy后利用sum进行分析：

import numpy as np

a = np.array([[1,2,3],[2,2,2]])
n_1 = np.sum(a, axis=0)
n_2 = np.sum(a, axis=1)

print('dim=0的结果是:\n',n_1,"\n")
print('dim=1的结果是:\n',n_2,"\n")

dim=0的结果是:
[3 4 5]

dim=1的结果是:
[6 6]

         可见dim = 0时可以理解为仅保存dim = 0对应的维度（即行），故最终结果为行向量，而当dim = 1时理解为仅保存dim = 1对应的维度（即列），故最终结果为列向量。

Tensor 的dim指令

1. 导入torch.nn中的Softmax进行分析：