本文深入探讨了深度学习框架如TensorFlow和PyTorch中的张量广播机制，该机制允许不同形状的张量进行运算。广播遵循特定规则：张量至少一维，从后向前比较形状，维度要么相等要么一方为1，不一致时扩展短向匹配。通过广播，两个张量的形状变得一致后执行运算，是理解和应用深度学习模型的关键概念。
各种深度学习框架中的tensor广播机制和numpy是一样一样的。使用于张量形状不一致的情况。广播机制需要遵循以下条件：
- 每个张量至少为一维张量。就是说总得有吧
- 然后从后往前对张量比较张量的形状，当前维度的大小要么相等，要么其中一个的大小为1（之所以为1相当于可以根据这个值进行“copy”到匹配大小）
- 如果两个张量的形状长度不一致。我们就扩充短的形状张量的维度（形状上向前+1）到形状长度一致（维度一致）
总得过程可以理解为，先通过广播的方式让两个张量的形状变得一致，然后进行运算
扫一扫
127
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
