Torch和张量沿轴

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,)

我该如何对这些列求和呢？

Answer 1

或者，可以使用tensor.sum(axis)，其中axis分别表示0和1对二维张量的行和列求和。

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，如果您也希望在输出中保留原始张量的维数，那么您已经将布尔kwargkeepdim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]])

Answer 2

如果有张量my_tensor，并且希望在第二个数组维度（即索引为1的数组维度，即列维度）上求和，如果张量是二维的，则使用torch.sum(my_tensor,1)或等效的my_tensor.sum(1)请参见documentation here。

文档中没有明确提到的一件事是：您可以使用-1（或者使用-2等跨最后一个数组维度求和）

因此，在您的示例中，您可以使用：outputs.sum(1)或torch.sum(outputs,1)，或者等效地使用outputs.sum(-1)或torch.sum(outputs,-1)。所有这些都会得到相同的结果，一个大小为torch.Size([10])的输出张量，每个条目都是张量outputs给定列中所有行的总和。

用三维张量来说明：

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 3

最简单和最好的解决方案是使用torch.sum()。

要对张量的所有元素求和：

torch.sum(outputs) # gives back a scalar

对所有行（即每列）求和：

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

对所有列（即每行）求和：

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