理解PyTorch中的dimensions维度，三维张量求和过程

• 张量（tensor）：在TensorFlow和pyTorch中，大量数据不放在数组之类的容器中，而放在一个大张量中。例如，如果有20000张28✕28，24位真彩色的照片，就会放到一个[20000,28,28,3]形状的张量中。
• 当开始用PyTorch张量做一些基本的运算时，比如求和，它看起来很简单，对于一维张量来说很简单:

>> x = torch.tensor([1, 2, 3])
>> torch.sum(x)
tensor(6)

torch.sum(input, dim, keepdim=False, dtype=None)

>> x = torch.tensor([      
    [1, 2, 3],      
    [4, 5, 6]    ]) 
>> x.shape 
torch.Size([2, 3])

三维求和：

• dim=0

>> y = torch.tensor([
     [
       [1, 2, 3],
       [4, 5, 6]
     ],
     [
       [1, 2, 3],
       [4, 5, 6]
     ],
     [
       [1, 2, 3],
       [4, 5, 6]
     ]
   ])
>> y.shape
torch.Size([3, 2, 3])

>> torch.sum(y, dim=0) 
tensor([[ 3,  6,  9],         
        [12, 15, 18]])

• 图示：

• dim=1

>> torch.sum(y, dim=1)

tensor([[5, 7, 9],
        [5, 7, 9],
        [5, 7, 9]])

图示：

• dim=2

>> torch.sum(y, dim=2)

tensor([[ 6, 15],
        [ 6, 15],
        [ 6, 15]])