【PyTorch基础】torch.sum()

最新推荐文章于 2022-10-19 02:11:18 发布
最新推荐文章于 2022-10-19 02:11:18 发布
阅读量2.7k 收藏 5
点赞数 1
分类专栏： python 文章标签： python
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/qq_36977302/article/details/108693061
版权

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的元素个数为１，所以要被去掉，如果要保留这个维度，则应当keepdim=True

举例说明:

import torch
a = torch.ones((2, 3))
print
最低0.47元/天 解锁文章
baekii
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pytorch基础（一）
weixin_46569877的博客
06-22 1695
pytorch基础
pytorch中选取不同维度sum和mean方法理解
ding_programmer的博客
07-06 1250
比如一个矩阵维度(2,3,4)，dim=0，那就是消去第0维，变成了 (3,4)，消去第1维，变成了 (2,4)，消去第2维，变成了 (2,3)，dim=-1，也就是最后一维，在这个矩阵中也就是第二维。如果指定了dim参数，则会沿着指定的维度对输入张量进行求和操作，并返回一个形状与输入张量除了指定维度之外的维度相同的张量。如果指定了keepdim参数，则返回的张量会保持与输入张量相同的维度数，并且在指定维度上的大小为1。具体算维度，采用消解法，也就是 dim=0，那就是消去第0维，dim=1，消去第1维。
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...
torch.sum()函数
qq_37803694的博客
10-19 2396
keepdim:求和之后这个dim的元素个数为１，所以要被去掉，如果要保留这个维度，则应当keepdim=True。torch.sum()对输入的tensor数据的某一维度求和，一共两种用法。dim:要求和的维度，可以是一个列表。input:输入一个tensor。
Pytorch中sum()函数的多维使用
hwxhxyz1998403的博客
04-11 4647
函数参数： torch.sum(input,dim,keepdim=False,*,dtype=None)→Tensor 当torch.sum(input tensor,dim)函数中出现多个维度的相加时如： 可以看出，pytorch执行sum函数的顺序是先将每一个1维度下的二维列表视为一个单位，所以每个二维列表里的三个一维度列表各为一个基本元素进行相加，得到[[6,6,6][15,15,15]]，再同样的思路将2维度下的int值视为一个基本元素进行相加， 得到最终[18,45]...
torch.sum()使用举例
敲代码的小风
12-17 3652
参考链接: torch.sum() 对张量求和, 或者在指定的某一个维度或者某几个维度上求和. 代码实验: Microsoft Windows [版本 10.0.18363.1256] (c) 2019 Microsoft Corporation。保留所有权利。 C:\Users\chenxuqi>conda activate ssd4pytorch1_2_0 (ssd4pytorch1_2_0) C:\Users\chenxuqi>python Python 3.7.7 (defaul
Pytorch中torch.nn的损失函数
12-21
在PyTorch中，`torch.nn`模块包含了各种损失函数，这些函数对于训练神经网络模型至关重要，因为它们衡量了模型预测与实际目标之间的差异。在本文中，我们将深入探讨三个常用的二分类和多标签分类损失函数：`torch.nn...
浅谈pytorch中torch.max和F.softmax函数的维度解释
09-16
在PyTorch中，`torch.max` 和 `F.softmax` 是两个非常重要的函数，它们在神经网络的训练和推理过程中起到关键作用。本文将详细解释这两个函数在处理多维张量时的维度操作。 首先，`torch.max` 函数用于找到张量中的...
Pytorch中矩阵用sum()函数求和降维是怎么回事
weixin_43498449的博客
11-30 2568
看例子： 定义一个5×4矩阵 我们对A矩阵所有元素求和，观察求和的矩阵形状： 这里A矩阵是二维矩阵，在计算机里面也就是有两个轴，轴0表示行，轴1表示列，求和函数A.sum()表示将A矩阵在这两个轴方向上同时求和，所以求和后A.sum()是一个标量。 A.sum()默认是将两个轴方向同时求和，也可以指定一个轴方向求和，下面我们指定按轴0方向求和，也就是按行求和，并观察求和后矩阵形状： 可以看出求和后二维矩阵变成一维的了，按行求和，行这个维度就消失了，所以可以认为，求和就是在降维；另...
torch.sum(c, dim=0, keepdim=True) torch.sum(c, dim=1, keepdim=True)
dujuancao11的博客
04-14 2682
torch.sum import torch import numpy as np # a = torch.ones((2,2)) b = np.array([[1,2,3],[1,1,1]]) c = torch.from_numpy(b) interval_0 = torch.sum(c, dim=0, keepdim=True) interval_1 = torch.sum(c, dim=1, keepdim=True) print("a(2x2):") print(a) print("b
pytorch.sum() 中的dim 及pytorch官方手册
studyvcmfc的专栏
06-06 2469
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
Pytorch矩阵操作——维度变换，求和
qq_39601214的博客
09-16 1762
Pytorch矩阵操作基本都能用以下方法（组合）实现 1 . 改变形状 1.1 Reshape A= torch.zeros((2, 4)) #形状为2*4 A = A.reshape(2,2,2) #形状变为2*2*2 1.2 View 与Reashape功能相同 A= torch.zeros((2, 4)) #形状为2*4 A = A.View(2,2,2) #形状变为2*2*2 2 .维度变换 2.1 维度交换 A= torch.zeros((2, 4)) #形状为2*4 A = A.
torch.sum
u013049912的博客
04-20 766
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 out shape为去掉dim的input shape 代码： import torch x = torch.randn(4, 5) print(x) print...
windows系统下jupyter notebook使用虚拟环境
weixin_41810713的博客
03-25 6053
作为一只萌新（理直气壮.jpg）在学和写代码的时候总是会遇上很多坑，以后会写hin多博客上来，欢迎关注吖~本着有一个编辑器绝对不用另一个，能开一个网页绝对不用软件的原则（因为本本很难带动），在捣鼓虚拟环境的时候，总得想办法解决软件的使用问题，言归正传，进入正题适用范围：windows系统（linux和MAC系统同理，但未测试），用任意方法搭建的虚拟环境，jupyter notebook针对问题：j...
Pytorch中, torch.einsum详解。
a2806005024的专栏
07-19 7万+
爱因斯坦简记法：是一种由爱因斯坦提出的，对向量、矩阵、张量的求和运算的求和简记法。 在该简记法当中，省略掉的部分是：1）求和符号与2）求和号的下标 省略规则为：默认成对出现的下标（如下例1中的i和例2中的k）为求和下标。 我们举例说明： 1）用简化表示内积 其中o为输出。 2) 用简化表示矩阵乘法 其中为输出矩阵的第ij个元素。 这样的求和简记法，能够以一种统一的方...
PyTorch学习
omnispace的博客
09-21 1万+
一、PyTorch介绍 1、说明 PyTorch 是 Torch 在 Python 上的衍生（Torch 是一个使用 Lua 语言的神经网络库）和tensorflow比较 PyTorch建立的神经网络是动态的Tensorflow是建立静态图Tensorflow 的高度工业化, 它的底层代码是很难看懂的.PyTorch 好那么一点点, 如果你深入 API, 你至少能比看 T
Pytorch Tensor的奇妙运算
w55100的博客
05-20 1万+
加法运算 1. 加号运算符 同型时，效果等同于点加 import torch a = torch.Tensor([1,2]) b = torch.Tensor([3,4]) c=a+b print(c) #tensor([4,6]) a = torch.Tensor([[1,2],[3,4]]) b = torch.Tensor([[5,6],[7,8]]) c=a+...
pytorch实用工具总结(GFLOPs如何计算)
junmuzi的专栏
10-17 1万+
Original url: https://zhuanlan.zhihu.com/p/33992733   从网上各种资料加上自己实践的可用工具。 主要包括： 模型层数：print_layers_num 模型参数总量：print_model_parm_nums 模型的计算图：def print_autograd_graph():或者参见tensorboad 模型滤波器可视化：sho...
Python（numpy、torch）中 函数简单解释
yimingen的博客
07-29 4955
usage：Ctrl + F 搜索想找的函数 1、python使用函数作为参数 2、Python中的size、shape、len和count 3、 torch.randn(2, 3) ：randn产生随机（按照标准正太分布）数；为2行3列的tensor。 torch.rand(2,3)：rand产生0~1均匀分布的随机数（输入是shape）。 np.random.r...
torch.sum函数介绍
最新发布
07-12
torch.sum函数是PyTorch库中的一个张量操作函数，用于计算张量中所有元素的总和。它可以在给定的维度上对张量进行求和，也可以计算整个张量的总和。 函数签名如下： ```python torch.sum(input, dim=None, keepdim=False, dtype=None) ``` 参数说明： - `input`：输入的张量。 - `dim`：指定在哪个维度上进行求和操作。如果不指定，则对整个张量进行求和。 - `keepdim`：指定是否保持输出张量的维度与输入张量相同。默认为False。 - `dtype`：指定输出张量的数据类型。如果不指定，则使用输入张量的数据类型。 返回值： - 返回一个新的张量，其中包含了输入张量在指定维度上的求和结果。 示例： ```python import torch x = torch.tensor([[1, 2, 3], [4, 5, 6]]) # 对整个张量进行求和 sum_all = torch.sum(x) print(sum_all) # 输出tensor(21) # 按列求和 sum_dim0 = torch.sum(x, dim=0) print(sum_dim0) # 输出tensor([5, 7, 9]) # 按行求和 sum_dim1 = torch.sum(x, dim=1) print(sum_dim1) # 输出tensor([ 6, 15]) ``` 这是torch.sum函数的基本介绍，它在处理张量数据时非常常用。
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