Pytorch-4 :Tensor Reduction Operation

Element-wise Operation是多个 tensor 间的操作，Reduction Operation 是一个tensor内部的操作。

Reduction Operation

Reduction Operation的返回值总是使 tensor 的元素数量变小。

t = torch.tensor([
[0, 1, 0],
[2, 0, 2],
[0, 3, 3]
], dtype=torch.float32)

t.sum()						#-> tensor(8.)
#返回元素个数
t.numel()					#-> 9

t.sum().numel()				#-> 1

t.sum().num() < t.numel()	#-> True

一些Reduction Operation 函数：

t.sum()			#-> tensor(8.)
#所有元素的乘积
t.prod()		#-> tensor(0.)

t.mean（）		#-> tensor(0.8889)

t.std()			#-> tensor(1.1667)

问题来了，Reduction Operation 总是返回一个数吗？

Reduction Operation 的 dim 参数

不是的，传入dim参数，情况就变了

t = torch.tensor([
	[1, 1, 1, 1],
	[2, 2, 2, 2],
	[3, 3, 3, 3],
	], dtype=torch.float32)

#沿着第0个axis进行运算
t.sum(dim=0)		#-> tensor([6., 6., 6., 6.])
#沿着第1个axis进行运算
t.sum(dim=1)		#-> tensor([4., 8., 12.])

举个**argmax()**的例, argmax()返回最大值的序号。

t = torch.tensor([
	[1, 0, 0, 2],
	[0, 3, 3, 0],
	[4, 0, 0, 5],
	])
	
t.max(dim=0)		#->	(tesnor([4., 3., 3., 5.]), tensor([2, 1, 1, 2]))
t.argmax(dim=0)		#->	tensor([2, 1, 1, 2])

t.max(dim=1)		#->	(tesnor([2., 3., 5.]), tensor([3, 1, 3]))
t.argmax(dim=1)		#->	tensor([3, 1, 3))