Pytorch torch.sum()中dim=-1或-2的含义是什么

在本文中，我们将介绍Pytorch中torch.sum()函数中dim=-1或-2的含义及其使用方式。

阅读更多：Pytorch 教程

什么是torch.sum()函数？

在Pytorch中，torch.sum()函数是用于计算张量中元素的和的函数。它可以接受一个输入张量，并根据指定的维度(dim)返回求和结果。

dim=-1的含义和使用方式

当dim=-1时，torch.sum()函数会对输入张量的最后一个维度进行求和。这种用法常见于处理多维数据，特别是在神经网络中的批处理操作中。

下面是一个示例，通过计算dim=-1的求和结果来解释其使用方式：

import torch

# 创建一个输入张量
x = torch.tensor([[1, 2, 3],
                  [4, 5, 6]])

# 对最后一个维度进行求和
sum_result = torch.sum(x, dim=-1)

print(sum_result)

输出结果为：

tensor([ 6, 15])

在上述示例中，输入张量x的形状为(2, 3)，最后一个维度的和分别为1+2+3和4+5+6，结果为6和15。

可以看出，通过设置dim=-1，我们可以沿着张量的最后一个维度进行求和，并得到每个子张量的和。

dim=-2的含义和使用方式

当dim=-2时，torch.sum()函数会对输入张量的倒数第二个维度进行求和。这种用法在处理二维数据时经常遇到。

下面是一个示例，通过计算dim=-2的求和结果来解释其使用方式：

import torch

# 创建一个输入张量
x = torch.tensor([[1, 2, 3],
                  [4, 5, 6]])

# 对倒数第二个维度进行求和
sum_result = torch.sum(x, dim=-2)

print(sum_result)

输出结果为：

tensor([5, 7, 9])

在上述示例中，输入张量x的形状为(2, 3)，倒数第二个维度的和分别为1+4、2+5和3+6，结果为5、7和9。

可以看出，通过设置dim=-2，我们可以沿着张量的倒数第二个维度进行求和，并得到每个子张量的和。

总结

本文介绍了Pytorch中torch.sum()函数中dim=-1和-2的含义及其使用方式。当dim=-1时，函数会对输入张量的最后一个维度进行求和；而当dim=-2时，函数会对输入张量的倒数第二个维度进行求和。通过设置不同的dim值，我们可以方便地在多维数据中进行求和操作，从而满足不同的需求。