Torch 沿轴对张量求和

Posted

技术标签:

【中文标题】Torch 沿轴对张量求和【英文标题】:Torch sum a tensor along an axis 【发布时间】:2017-12-01 02:53:45 【问题描述】:
ipdb> outputs.size()
torch.Size([10, 100])
ipdb> print sum(outputs,0).size(),sum(outputs,1).size(),sum(outputs,2).size()
(100L,) (100L,) (100L,)

如何改为对列求和?

【问题讨论】:

【参考方案1】:

最简单最好的解决方案是使用torch.sum()

对一个张量的所有元素求和:

torch.sum(outputs) # gives back a scalar

对所有行求和(即每一列):

torch.sum(outputs, dim=0) # size = [1, ncol]

对所有列求和(即每一行):

torch.sum(outputs, dim=1) # size = [nrow, 1]

【讨论】:

对结果张量维度的一个很好的观察是,无论我们提供哪个暗淡为 1,最终张量在该特定轴上的值为 1,其余轴的维度保持不变。这尤其有助于我想象在更高维张量的情况下我们将如何求和。【参考方案2】:

或者,您可以使用tensor.sum(axis) 其中axis 表示01 分别对行和列求和,用于二维张量。

In [210]: X
Out[210]: 
tensor([[  1,  -3,   0,  10],
        [  9,   3,   2,  10],
        [  0,   3, -12,  32]])

In [211]: X.sum(1)
Out[211]: tensor([ 8, 24, 23])

In [212]: X.sum(0)
Out[212]: tensor([ 10,   3, -10,  52])

从上面的输出我们可以看出,在这两种情况下,输出都是一维张量。另一方面,如果您还希望在输出中保留原始张量的维度,那么您已将布尔 kwarg keepdim 设置为 True,如下所示:

In [217]: X.sum(0, keepdim=True)
Out[217]: tensor([[ 10,   3, -10,  52]])

In [218]: X.sum(1, keepdim=True)
Out[218]: 
tensor([[ 8],
        [24],
        [23]])

【讨论】:

谢谢,这是一个很好的答案。这个 dim var 乍一看似乎非常违反直觉【参考方案3】:

如果您有张量my_tensor,并且您希望在第二个数组维度上求和(即索引为 1 的维度,即列维度,如果张量是二维的,就像您的一样) , 使用torch.sum(my_tensor,1) 或等效的my_tensor.sum(1) 请参阅documentation here。

文档中未明确提及的一件事是:您可以使用 -1(或倒数第二个维度,使用 -2,对 last 数组维度求和,等等)

因此,在您的示例中,您可以使用:outputs.sum(1)torch.sum(outputs,1),或者等价的 outputs.sum(-1)torch.sum(outputs,-1)。所有这些都会给出相同的结果,即大小为 torch.Size([10]) 的输出张量,每个条目是张量 outputs 的给定列中所有行的总和。

用一个 3 维张量来说明:

In [1]: my_tensor = torch.arange(24).view(2, 3, 4) 
Out[1]: 
tensor([[[ 0,  1,  2,  3],
         [ 4,  5,  6,  7],
         [ 8,  9, 10, 11]],

        [[12, 13, 14, 15],
         [16, 17, 18, 19],
         [20, 21, 22, 23]]])

In [2]: my_tensor.sum(2)
Out[2]:
tensor([[ 6, 22, 38],
        [54, 70, 86]])

In [3]: my_tensor.sum(-1)
Out[3]:
tensor([[ 6, 22, 38],
        [54, 70, 86]])

【讨论】:

【参考方案4】:

基于文档https://pytorch.org/docs/stable/generated/torch.sum.html

应该是

dim (int or tuple of python:ints) – 要减少的维度。

dim=0 表示减少行尺寸:压缩所有行 = sum by col dim=1 表示减少 col 维度:condense cols= sum by row

【讨论】:

以上是关于Torch 沿轴对张量求和的主要内容,如果未能解决你的问题,请参考以下文章

pytorch torch.cumsum(input, dim, out=None)函数(沿轴逐级累加)

PyTorch 1.0 中文文档:torch.sparse

如何检查两个 Torch 张量或矩阵是不是相等?

Torch - 如何更改张量类型?

如何从 C 中读取 Torch 张量 [关闭]

如何在 Torch 的网络开头合并两个张量?