从pyrotch转换为张量流

Question

PyTorch中的这一行代码做什么？

normA = A.mul(A).sum(dim=1).sum(dim=1).sqrt()
Y = A.div(normA.view(batchSize, 1, 1).expand_as(A))

通常它应该是第二个术语：

torch.div(input, value, out=None) → Tensor

Answer 1

您的问题还不清楚，因为您没有提到张量A的形状和normA的形状。但我猜是这样：

• A是形状为(batchSize, X, Y)的张量
• normA是A的所有批处理元素的范数张量，其形状为(batchSize)。

因此，您可以使用以下语句规范张量A。

A.div(normA.view(batchSize, 1, 1).expand_as(A))

首先将normA.view(batchSize, 1, 1).expand_as(A)转换为形状(batchSize, X, Y)的张量，然后将A除以结果张量。

一个例子（根据我的猜测创建）：

batchSize = 8

A = torch.randn(batchSize, 5, 5)
normA = A.norm(dim=-1).norm(dim=-1)
print(normA.size()) # torch.Size([8])

normA = normA.view(batchSize, 1, 1).expand_as(A)
print(normA.size()) # torch.Size([8, 5, 5])

A = A.div(normA)