Question

ipdb> outputs.size()
torch.Size([10, 100])
ipdb> print sum(outputs,0).size(),sum(outputs,1).size(),sum(outputs,2).size()
(100L,) (100L,) (100L,)

如何对列进行求和？

Answer 1

最简单和最好的解决方案是使用torch.sum()。

总结张量的所有元素：

torch.sum(outputs) # gives back a scalar

汇总所有行（即每列）：

torch.sum(outputs, dim=0) # size = [1, ncol]

汇总所有列（即每行）：

torch.sum(outputs, dim=1) # size = [nrow, 1]

Answer 2

或者，您可以使用tensor.sum(axis)，其中axis表示0和1分别用于二维张量的行和列求和。

In [210]: X
Out[210]: 
tensor([[  1,  -3,   0,  10],
        [  9,   3,   2,  10],
        [  0,   3, -12,  32]])

In [211]: X.sum(1)
Out[211]: tensor([ 8, 24, 23])

In [212]: X.sum(0)
Out[212]: tensor([ 10,   3, -10,  52])

从上面的输出中我们可以看到，在两种情况下，输出都是一维张量。另一方面，如果您也希望在输出中保留原始张量的尺寸，则可以将布尔kwarg keepdim设置为True，如下所示：

In [217]: X.sum(0, keepdim=True)
Out[217]: tensor([[ 10,   3, -10,  52]])

In [218]: X.sum(1, keepdim=True)
Out[218]: 
tensor([[ 8],
        [24],
        [23]])

Answer 3

如果您有张量my_tensor，并且希望对第二个数组维求和（即，张量为2维，则索引为1，即列维）是），请使用torch.sum(my_tensor,1)或等效的my_tensor.sum(1)参见documentation here。

文档中未明确提及的一件事是：您可以使用-1（或倒数第二个维度，使用{{ 1}}等）

因此，在您的示例中，您可以使用：-2或outputs.sum(1)，或者等效地使用torch.sum(outputs,1)或outputs.sum(-1)。所有这些都会产生相同的结果，即输出张量为torch.sum(outputs,-1)的张量，每个条目都是张量torch.Size([10])的给定列中所有行的总和。

使用3维张量进行说明：

outputs

火炬总和沿轴线的张量

3 个答案: