sum(dim)的使用

最新推荐文章于 2024-06-04 09:39:26 发布
最新推荐文章于 2024-06-04 09:39:26 发布
阅读量287 收藏
点赞数
文章标签： python 算法 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/guo_pp/article/details/130262575
版权
文章详细阐述了一个在深度学习中常见的计算过程，即通过乘法和求和操作对多维数组进行处理。encoded_feat的计算涉及到assignment_weights、expanded_x和reshaped_codewords，通过在特定维度上的求和，将原始的(32,50176,64,3)尺寸数组压缩成(32,64,3)，这一步骤涉及到了数据的聚合和维度减少。
摘要由CSDN通过智能技术生成 
  encoded_feat = (assignment_weights * (expanded_x - reshaped_codewords)).sum(1)

#{(32,50176,64,1)[(32,50176,64,3)-(1,1,64,3)].sum(1)}---->{(32,50176,64,1)[(32,50176,64,3).sum(1)}
注意在某维度求和就是对于这个维度的比如x个块当中的同一位置处求和最终生成一个块。而这个块是此维度下属维度的数组成的。比如(32,50176,64,3).sum(1)就是在第二维度进行求和，把（64，3）这个块也就是三四维的数据组成的块，在50176个（64，3）这样的块的相同位置处的数据进行求和输出一个最终的值，最后50176的这个维度也就被压缩没了生成了新的(32,64,3)尺寸的数组

GUO_PP
关注
torch.sum，dim参数记录
hpwwww的博客
10-13 951
小白学习pytorch，一直对dim这个参数很迷糊，记录一下 还是小白，说错的地方麻烦指正 假设已经有一个tensor x 了，维度是[2,4,3]，2是batch，4是点云个数，3是点云的坐标，即[B,N,C]=[2,4,3] tensor([[[2, 6, 7], [3, 2, 5], [9, 4, 3], [0, 2, 3]], [[0, 6, 6], [8, 2, 8], [0, 9, 4],
(二) DIM-SUM系统环境搭建之编译与调试环境
wdy8841693的博客
08-10 1315
（目前DIM-SUM系统版本为HOTPOT，本文内容为鄙人愚见，有不足之处请大家指正，在这里感谢谢宝友前辈的付出，另外向大家推荐《自研操作系统：DIM-SUM设计与实现》这本书） 系统的编译与调试环境一、编译1、获取源码2、编译工具GCCMake3、编译系统（1）安装开发环境（2）安装依赖（3）编译内核二、调试1、下载QEMU2、下载Python2.73、添加Python库路径4、修改Makefile5、修改run.sh6、修改qemu.run7、调试系统 一、编译 1、获取源码 DIM-SUM系统是谢宝友
torch.sum(),dim=0,dim=1
jialibang的博客
08-13 3096
dim=0:（行归一）纵向压缩 dim=1: (列归一）横向压缩 tensor([[ 1, 2, 3], [ 4, 5, 6]]) # 2行3列，没毛病 #dim=0 纵向压缩，保留行 b = torch.sum(a,dim=0) print(b) 输出：tensor([ 5, 7, 9]) #dim=1,横向压缩，保留列 c = torch.sum(a,dim=1) print(c) 输出：tensor([ 6, 15]) ...
torch.sum()中的dim讲解
studyvcmfc的专栏
06-06 2790
https://blog.csdn.net/qq_23262411/article/details/100398449?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.non
torch.softmax与torch.sum 的dim用法理解
weixin_40248634的博客
08-10 1584
torch.softmax与torch.sum 的dim意义相同 torch.sum tensor.sum(dim=0） 是将tensor的size的[dim0,dim1]中，dim0变成1， 其他维度不变，即求和后变成[1,dim1]， 换种意义上说就是对tensor 的每一列进行了求和，选其他维时类似。 torch.softmax 从其分母形式，一定意义上说也可以把softmax 当成是一种特殊形式的求和。所以与sum的维数意义一致，softmax(dim=1)，就是相当于sum(dim=1）也就是每一
torch.sum(dim=int)实例理解
kevin的博客
12-30 3243
该篇博文没有深入的理解，只是提供个人理解代码的实例，在里面的用词会口语化，有问题可以评论纠正，相互学习。 注意：torch中的三维张量是（Z层，X行，Y列） 这里构建的是（2层，3行，4列）的张量 三维张量中的dim=0 这里先对dim=0，也就是对（Z层）进行压缩 (更好理解：应该说是dim=n，就去掉第n维） 对应着实例，可以看到原本的（2，3，4）=>（3，4） sum(dim=0)，将Z层中的每个对应位上的元素进行了相加 三维张量中的dim=1 对dim=1，也就是去掉（X行） 对
sum(2,3)和sum(2)(3)
boysky0015的博客
06-06 2276
function sum(){ var num = arguments[0]; if(arguments.length === 1){ return function (sec){ return num + sec; } }else { var num = 0; for(var i=0;...
自研操作系统：DIM-SUM设计与实现.pdf
03-05
《自研操作系统：DIM-SUM设计与实现》一书由谢宝友撰写，他拥有丰富的操作系统研发背景，曾在中兴担任嵌入式实时操作系统技术总工，并参与了多个重要奖项的获得。本书主要探讨了作者发起和创建的自研操作系统——DIM...
DIM-SUM操作系统内核开发的一系列问题及其解答
01-11
DIM-SUM操作系统可能有自己的内存管理机制，可能会借鉴Linux的内存管理策略，如分页、分段、内存池等。 2. **文件系统**：文件系统是操作系统中用于组织和管理磁盘上数据的结构。开发一个文件系统需要考虑文件的...
（一）DIM-SUM系统环境搭建之WSL2虚拟机
wdy8841693的博客
08-10 735
（一）DIM-SUM系统环境搭建之WSL2虚拟机Microsoft Windows Subsystem Linux搭建WSL2环境一、确认系统版本二、启用WSL2功能1、开启WSL功能2、开启WSL2功能3、更新WSL2内核三、安装 Ubuntu 16.04四、设置root用户和密码五、修改软件源 Microsoft Windows Subsystem Linux 适用于 Linux 的 Windows 子系统可让开发人员按原样运行 GNU/Linux 环境 - 包括大多数命令行工具、实用工具和应用程序 -
探索高性能计算：Dimsum SIMD库
最新发布
gitblog_00080的博客
06-04 464
探索高性能计算：Dimsum SIMD库 dimsumPortable C++ SIMD library项目地址:https://gitcode.com/gh_mirrors/di/dimsum Dimsum 是一个基于C++的可移植性SIMD(单指令多数据)库，旨在实现类似C++标准库提案P0214的功能。尽管它目前尚未完全符合提案标准，但其最终状态将是一个与之兼容的实现。 项目介绍 Dims...
Python-维度dim的定义及其理解使用
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
03-01 2万+
转载 目录 一、dim的定义 二、dim 的理解 三、举例 torch.argmax() sum() cumsum() 一、dim的定义 TensorFlow对张量的阶、维度、形状有着明确的定义，而在pytorh中对其的定义却模糊不清，仅仅有一个torch.size()的函数来查看张量的大小（我理解的这个大小指的就是TensorFlow对张量的形状描述，也和numpy的.shape类似）。所以，首先要搞清楚如何看一个张量的形状。 import torch z = torch.one
【Pytorch进阶】torch.sum()中dim的使用
sxl的博客
09-29 1740
当开始用PyTorch张量做一些基本的运算时,如求和，它看起来很简单。但是对于多维的张量求和时就需要仔细思考一下。
torch.sum(input, dim, out=None)
danerer的专栏
09-30 4万+
torch.sum(input, dim, out=None) → Tensor input (Tensor) – 输入张量 dim (int) – 缩减的维度 out (Tensor, optional) – 结果张量 代码： import torch x = torch.randn(4, 5) print(x) print(x.sum(0)) #按列求和 print(x.sum(1))...
Pytorch中的基本语法之torch.sum(dim=int)以及由此引出的torch.size张量维度详解
Lyndsey的博客
12-28 1万+
Lyndsey小鱼的日常琐碎笔记分享： 最近切身的真实感悟就是：要想真正理解以及学会使用，就必须得自己亲手去实践，而不是看着别人的博客笔记说，我差不多懂了，就过了。 所以，我现在也在用行动去证明这一点啦～ 一、动手实践理解dim(int)的效果 （对于科研新手来说，做实验方面，首先最基本的就是要学会看懂别人代码是在干嘛啦～） 话不多说，直接进入今天的话题，我在看别人的代码时，看到了这样一个部分（注...
torch.sum()的用法
热门推荐
qq_39463274的博客
03-27 13万+
torch.sum()对输入的tensor数据的某一维度求和，一共两种用法 １．torch.sum(input, dtype=None) ２．torch.sum(input, list: dim, bool: keepdim=False, dtype=None) → Tensor 　 input:输入一个tensor dim:要求和的维度，可以是一个列表 keepdim:求和之后这个dim的元素个...
python求和函数详解_python求和函数sum()详解
weixin_39699313的博客
11-20 2331
今天在学习的过程中，误用sum()函数，我又去查了查python sum()函数才恍然大悟。我本来想算几个Int值相加的和，本以为很简单的事情，结果却很悲伤，例：>>>sum = sum(1,2,3) #结果很明显出现问题报错TypeError: sum expected at most 2 arguments, got 3傻乎乎的我以为只能算前两个数的和等于3，就又试了一下>>>...
pytorch.sum() 中的dim 及pytorch官方手册
studyvcmfc的专栏
06-06 2492
https://blog.csdn.net/hahameier/article/details/103742831?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase
Python NumPy中sum()函数详解 axis与keepdims图解
独步天秤的博客
10-17 1万+
目录 numy.sum()函数定义与说明 代码示例、说明及输出 axis = 0 或axis = -3 axis = 1 或 axis = -2 axis = 2或axis = -1 axis = (0, 2) axis = (0, 2),keepdims=True 总结与扩展 经常使用NumPy的小伙伴会遇到axis与keepdims这两个参数，今天笔者来给大家解剖一下。 以...
matlab中sum如何使用
04-19
您好！关于您的问题，可以使用matlab中的sum函数来对一个向量或矩阵中的元素求和。语法为：sum(A)，其中A表示待求和的向量或矩阵。如果想要对A的某个维度进行求和，则可以使用sum(A，dim)，其中dim表示第几维。例如，如果A是一个3行4列的矩阵，想要对每列进行求和，则可以使用sum(A，1)，反之则使用sum(A，2)。希望能对您有所帮助。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值