深入浅出Pytorch函数——torch.sum

von Neumann

已于 2023-09-25 19:50:05 修改

阅读量1.2w

点赞数 2

分类专栏：深入浅出Pytorch函数文章标签：人工智能深度学习 pytorch sum 求和

于 2023-07-27 20:22:52 首次发布

本文链接：https://blog.csdn.net/hy592070616/article/details/131967720

版权

深入浅出Pytorch函数专栏收录该内容

47 篇文章

订阅专栏

文章介绍了Pytorch中的torch.sum函数，该函数用于计算张量的元素和或特定维度的和。提供了两种形式，一种是计算所有元素之和，另一种是在指定维度上求和并可选择保持维度不变。文章通过实例展示了函数的用法，并提到了dtype参数在防止数据溢出中的作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

分类目录：《深入浅出Pytorch函数》总目录
相关文章：
· 深入浅出Pytorch函数——torch.Tensor

函数torch.sum有两种形式：

torch.sum(input, *, dtype=None)：返回输入张量input所有元素的和。
torch.sum(input, dim, keepdim=False, *, dtype=None)：返回给定维度dim中输入张量的每一行的总和。如果dim是一个维度列表，则对所有维度进行缩小。如果keepdim为True，则输出张量的大小与输入的大小相同，但维度dim的大小为1。否则，dim会被挤压（参考torch.squeeze()）。

语法

torch.sum(input, *, dtype=None) -> Tensor
torch.sum(input, dim, keepdim=False, *, dtype=None) -> Tensor

参数

input：输入张量
dim：[可选, int/tuple] 要减少的一个或多个维度。如果为None，则所有维度都将被裁剪。
keepdim：[bool] 输出张量是否保留了dim。
dtype：[可选, torch.dtype] 返回张量的所需数据类型。如果指定，则在执行操作之前将输入张量强制转换为dtype。这对于防止数据类型溢出非常有用，默认值为None。

实例

>>> a = torch.randn(1, 3)
>>> a
tensor([[ 0.1133, -0.9567,  0.2958]])
>>> torch.sum(a)
tensor(-0.5475)
>>> a = torch.randn(4, 4)
>>> a
tensor([[ 0.0569, -0.2475,  0.0737, -0.3429],
        [-0.2993,  0.9138,  0.9337, -1.6864],
        [ 0.1132,  0.7892, -0.1003,  0.5688],
        [ 0.3637, -0.9906, -0.4752, -1.5197]])
>>> torch.sum(a, 1)
tensor([-0.4598, -0.1381,  1.3708, -2.6217])
>>> b = torch.arange(4 * 5 * 6).view(4, 5, 6)
>>> torch.sum(b, (2, 1))
tensor([  435.,  1335.,  2235.,  3135.])