Pytorch中的dim

使用工具时dim设置容易弄混，做一个小的总结

关于dim的设置感觉最简易的一种理解是：只有dim指定的维度是可变的，其他都是固定不变的。详情见：Pytorch笔记：维度dim的定义及其理解使用_Activewaste-CSDN博客

如果dim=0，即行是可变的，列数不变

torch.arange(0,6).view(2,3)

输出:tensor([[0, 1, 2],
        [3, 4, 5]])

torch.arange(0,6).view(2,3).sum(dim=0, keepdim=True)

输出：tensor([[3, 5, 7]]) 对应size 1,3

对应列的话

torch.arange(0,6).view(2,3).sum(dim=1, keepdim=True)

输出 ： tensor([[ 3], [12]]) 对应size 2,1

如果是三维的情况：

torch.arange(0,30).view(2, 3, 5)

tensor([[[ 0,  1,  2,  3,  4],
         [ 5,  6,  7,  8,  9],
         [10, 11, 12, 13, 14]],

        [[15, 16, 17, 18, 19],
         [20, 21, 22, 23, 24],
         [25, 26, 27, 28, 29]]])

torch.arange(0,30).view(2, 3, 5).sum(dim=0, keepdim=True)

输出：tensor([[[15, 17, 19, 21, 23],
         [25, 27, 29, 31, 33],
         [35, 37, 39, 41, 43]]]) 对应size 1, 3, 5

torch.arange(0,30).view(2, 3, 5).sum(dim=1, keepdim=True)

输出：tensor([[[15, 18, 21, 24, 27]], [[60, 63, 66, 69, 72]]]) 对应size 2, 1, 5

torch.arange(0,30).view(2, 3, 5).sum(dim=2, keepdim=True) 

输出：tensor([[[ 10],
         [ 35],
         [ 60]],

        [[ 85],
         [110],
         [135]]]) 对应size 2, 3, 1