Question

我有2个张量

a = torch.tensor([1,2])
b = torch.tensor([[[10,20],
                   [30,40]],
                  [[1,2],
                   [3,4]]])

我想将它们结合起来

a ? b = tensor([[[10,20],
                 [30,40]],
                [[ 2, 4],
                 [ 6, 8]]])

（然后在第0维上求和，最后我要进行加权求和）

我尝试过：

""" no idea how to interpret that """
a @ b                                                                                                                                                                                                
tensor([[ 70, 100],
        [  7,  10]])

b @ a                                                                                                                                                                                                
tensor([[ 50, 110],
        [  5,  11]])

for i in range(b.size()[0]): # works but I don't think this will work with autograd 
      b[i] *= a[i] 

a * b              # multiplies right side by 2
tensor([[[10, 40],
         [30, 80]],

        [[ 1,  4],
         [ 3,  8]]])

a.unsqueeze(1)     # multiplies bottom side by 2
tensor([[[10, 20],
         [60, 80]],

        [[ 1,  2],
         [ 6,  8]]])

a.unsqueeze(2) * b # dimension out of range

Answer 1

这应该有效c = a.unsqueeze(1).unsqueeze(1) * b

Answer 2

您还可以尝试以下代码：

a = torch.tensor([1,2])
b = torch.tensor([[[10,20],
                   [30,40]],
                  [[1,2],
                   [3,4]]])

print((a.view(-1, 1)*torch.flatten(b, 1)).view(b.shape))

输出：

tensor([[[10, 20],
         [30, 40]],

        [[ 2,  4],
         [ 6,  8]]])

在这里，我们基本上正在执行以下步骤：

将a重塑为大小为[a.shape[0],1]的二维张量，即上述情况下的[2, 1]。
然后，我们使用torch.flatten()从第一个维度（即b）开始使张量start_dim=1变平。在此，默认为end_dim=-1。结果大小为[2, 4]。
执行逐元素乘法。
最后，将结果重塑为与原始张量b相同的形状，即[2, 2, 2]。

Answer 3

有趣的是-我尝试了几种不同的广播技巧，但没有看到任何明显的胜利，所以简单的版本：

b[0] *= a[0]
b[1] *= a[1]
c = b

如何将张量与向量相乘？

3 个答案: