广播语义学许多PyTorch操作支持NumPy的广播语义。python编程 人工智能 神经网络

广播语义学

许多PyTorch操作支持NumPy的广播语义。看见https://numpy.org/doc/stable/user/basics.broadcasting.html详情请见。

简而言之，如果PyTorch操作支持广播，那么它的张量参数可以自动扩展为相同的大小(无需复制数据)。

普通语义学

如果下列规则成立，则两个张量是“可广播的”:

• 每个张量至少有一维。

• 当迭代维度大小时，从尾部维度开始，维度大小必须相等，其中一个为1，或者其中一个不存在。

例如:

>>> x=torch.empty(5,7,3)
>>> y=torch.empty(5,7,3)
# same shapes are always broadcastable (i.e. the above rules always hold)

>>> x=torch.empty((0,))
>>> y=torch.empty(2,2)
# x and y are not broadcastable, because x does not have at least 1 dimension

# can line up trailing dimensions
>>> x=torch.empty(5,3,4,1)
>>> y=torch.empty(  3,1,1)
# x and y are broadcastable.
# 1st trailing dimension: both have size 1
# 2nd trailing dimension: y has size 1
# 3rd trailing dimension: x size == y size
# 4th trailing dimension: y dimension doesn't exist

# but:
>>> x=torch.empty(5,2,4,1)
>>> y=torch.empty(  3,1,1)
# x and y are not broadcastable, because in the 3rd trailing dimension 2 != 3

如果两个张量x, y是“可广播的”，结果张量大小计算如下:

• 如果的维数x和y不相等，则在维数较少的张量的维数前加1，使它们长度相等。

• 然后，对于每个维度大小，生成的维度大小是x和y沿着那个维度。

例如:

# can line up trailing dimensions to make reading easier
>>> x=torch.empty(5,1,4,1)
>>> y=torch.empty(  3,1,1)
>>> (x+y).size()
torch.Size([5, 3, 4, 1])

# but not necessary:
>>> x=torch.empty(1)
>>> y=torch.empty(3,1,7)
>>> (x+y).size()
torch.Size([3, 1, 7])

>>> x=torch.empty(5,2,4,1)
>>> y=torch.empty(3,1,1)
>>> (x+y).size()
RuntimeError: The size of tensor a (2) must match the size of tensor b (3) at non-singleton dimension 1

原地语义

一个复杂的问题是，原位操作不允许原位张量由于广播而改变形状。

例如:

>>> x=torch.empty(5,3,4,1)
>>> y=torch.empty(3,1,1)
>>> (x.add_(y)).size()
torch.Size([5, 3, 4, 1])

# but:
>>> x=torch.empty(1,3,1)
>>> y=torch.empty(3,1,7)
>>> (x.add_(y)).size()
RuntimeError: The expanded size of the tensor (1) must match the existing size (7) at non-singleton dimension 2.

向后兼容性

PyTorch的早期版本允许在不同形状的张量上执行某些逐点函数，只要每个张量中的元素数量相等。逐点运算将通过把每个张量看作一维来进行。PyTorch现在支持广播，并且“一维”逐点行为被认为是不推荐的，并且在张量不可广播但具有相同数量的元素的情况下会生成Python警告。

请注意，在两个张量不具有相同的形状，但可广播并具有相同数量的元素的情况下，广播的引入会导致向后不兼容的变化。例如:

>>> torch.add(torch.ones(4,1), torch.randn(4))

会产生一个大小为torch的张量。Size([4，1])，但现在产生了一个带Size的张量:torch。大小([4，4])。为了帮助识别代码中可能存在由广播引入的向后不兼容的情况，可以将torch . utils . back compat . broadcast _ warning . enabled到真实的，这将在这种情况下生成python警告。

例如:

>>> torch.utils.backcompat.broadcast_warning.enabled=True
>>> torch.add(torch.ones(4,1), torch.ones(4))
__main__:1: UserWarning: self and other do not have the same shape, but are broadcastable, and have the same number of elements.
Changing behavior in a backwards incompatible manner to broadcasting rather than viewing as 1-dimensional.

然后​编辑​编辑以前的