1、张量的广播
张量的广播与numpy中的广播类似,存在以下两种情况:
- 两个张量至少有一个维度值相同,不同的维度值之中有一个必为1才能广播
- 两个张量所有的维度都不同时,两个张量其它维度必为1才能广播
a = torch.zeros(12).reshape(3,4)
b = torch.ones(3).reshape(3,1)
c = torch.ones(3).reshape(1,3)
d = torch.ones(8).reshape(2,4)
a + b

将 张量b的列复制4次然后再与a中的每个对应元素相加。
a + c

b + c

同时将张量b 的列和c 的行复制3次都变成3行3列的2维张量再进行计算。
a +d


本文探讨了深度学习中张量的广播规则,包括与numpy广播的相似性,以及不同尺寸张量如何通过广播进行计算。此外,文章还介绍了张量的科学计算,如逐点运算、规约运算和比较运算,帮助理解张量在机器学习中的应用。
最低0.47元/天 解锁文章
7756

被折叠的 条评论
为什么被折叠?



