pytorch中维度dim的理解

PyTorch 中对 tensor 的很多操作如 sum、softmax 等都可以设置 dim 参数用来指定操作在哪一维进行。PyTorch 中的 dim 类似于 numpy 中的 axis，这篇文章来总结一下 PyTorch 中的 dim 操作。首先看一下这个图，图中给出了维度标号，注意区分正负，从左往右数，括号代表的维度分别是 0 和 1 和 2，从右往做为 -3 和 -2 和 -1。待会儿会用到。

图1

括号之间是嵌套关系，代表了不同的维度。从左往右数，两个括号代表的维度分别是 0 和 1 ，在第 0 维遍历得到向量，在第 1 维遍历得到标量.

a = torch.tensor([[1,2],
                  [3,4]])

则 3 个括号代表的维度从左往右分别为 0, 1, 2，在第 0 维遍历得到矩阵，在第 1 维遍历得到向量，在第 2 维遍历得到标量。

b = torch.tensor([[[3, 2], [1, 4]],
                  [[5, 6], [7, 8]]])#张量

在某一维度求和（或者进行其他操作）就是对该维度中的元素进行求和。对于矩阵 a

a = torch.tensor([[1,2],
                  [3,4]])

求 a 在第 0 维的和，因为第 0 维代表最外边的括号&#x