Question

截至PyTorch 0.4，此问题已不再有效。在0.4 Tensor s和Variable s合并。

如何在PyTorch中使用变量和张量进行逐元素乘法？有两个张量工作正常。变量和标量工作正常。但是当尝试使用变量和张量执行逐元素乘法时，我得到：

XXXXXXXXXXX in mul
    assert not torch.is_tensor(other)
AssertionError

例如，运行以下内容时：

import torch

x_tensor = torch.Tensor([[1, 2], [3, 4]])
y_tensor = torch.Tensor([[5, 6], [7, 8]])

x_variable = torch.autograd.Variable(x_tensor)

print(x_tensor * y_tensor)
print(x_variable * 2)
print(x_variable * y_tensor)

我希望第一个和最后一个打印语句显示类似的结果。前两个乘法按预期工作，错误在第三个中出现。我在PyTorch中尝试了*的别名（例如x_variable.mul(y_tensor)，torch.mul(y_tensor, x_variable)等）。

考虑到错误和产生它的代码，似乎不支持张量和变量之间的元素乘法。它是否正确？还是有什么我想念的？谢谢！

Answer 1

是的，你是对的。元素乘法（与大多数其他操作一样）仅支持Tensor * Tensor或Variable * Variable，但不支持 Tensor * Variable。

要执行上面的乘法运算，请将Tensor包裹为不需要渐变的Variable。额外的开销是微不足道的。

y_variable = torch.autograd.Variable(y_tensor, requires_grad=False)
x_variable * y_variable # returns Variable

但显然，只有使用Variables，如果你真的需要通过图表自动区分。另外，您可以像在问题中一样直接在Tensors上执行操作。

PyTorch - 变量和张量之间的元素乘法？

1 个答案: