python - Torch 沿轴对张量求和

Question

ipdb> outputs.size()
torch.Size([10, 100])
ipdb> print sum(outputs,0).size(),sum(outputs,1).size(),sum(outputs,2).size()
(100L,) (100L,) (100L,)

我如何对列求和？

Answer 1

最简单和最好的解决方案是使用torch.sum().

对张量的所有元素求和：

torch.sum(outputs) # gives back a scalar

总结所有行（即每一列）：

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

总结所有列（即每一行）：

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

Answer 2

或者，您可以使用tensor.sum(axis)whereaxis指示0和1for 分别对行和列求和，用于 2D 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，如果您希望在输出中也保留原始张量的维度，那么您已将 boolean kwargkeepdim设置True为：

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]])

Answer 3

如果您有 tensor my_tensor，并且您希望对第二个数组维度求和（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），请使用torch.sum(my_tensor,1)或等效地my_tensor.sum(1)查看文档在这里。

文档中未明确提及的一件事是：您可以通过使用（或倒数第二个维度，with等）对最后一个数组维度求和-1-2

因此，在您的示例中，您可以使用：outputs.sum(1)or torch.sum(outputs,1), or 等​​价地 outputs.sum(-1)or torch.sum(outputs,-1)。所有这些都会给出相同的结果，输出张量 size torch.Size([10])，每个条目都是给定列中所有行的总和 tensor outputs。

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]])

Answer 4

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

它应该是

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

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