torch.cumsum() 和 torch.cumprod()

import torch as t
a = t.arange(0, 6).view(2,3)
print(a)
a.cumsum(dim=0)

a = t.arange(0, 6).view(2,3)
print(a)
a.cumsum(dim=1)

对于二维输入a，dim=0(第1行不动，将第1行累加到其他行)；dim=1(进入最内层，转化成列处理。第1列不动，将第1列累加到其他列；从第一列开始后面的每一列都是前面对应行元素的累加和)，运行结果如下：

参数dim，用来指定这些操作是在哪个维度上执行的。关于dim(对应于Numpy中的axis)有提供一个简单的记忆方式：

假设输入的形状是(m, n, k)

如果指定dim=0，输出的形状就是(1, n, k)或者(n, k)
如果指定dim=1，输出的形状就是(m, 1, k)或者(m, k)
如果指定dim=2，输出的形状就是(m, n, 1)或者(m, n)

size中是否有"1"，取决于参数keepdim，keepdim=True会保留维度1。注意，以上只是经验总结，并非所有函数都符合这种形状变化方式，如cumsum。

同理，torch.cumprod()

dim=1时，第一列不变，后面的每列将前面列的元素乘起来，如 12 = 3 * 4 ，60 = 3 * 4 * 5 。

dim=0时，第一行不变，后面每行将前面行对应元素乘起来，如 10 = 2 * 5 。

torch.cumsum() 和 torch.cumprod()相关推荐

pytorch torch.cumsum(input, dim, out=None)函数（沿轴逐级累加）
torch.cumsum(input, dim, out=None) → Tensor 返回输入沿指定维度的累积和.例如,如果输入是一个N元向量,则结果也是一个N元向量,第i 个输出元素值为 yi=x ...
torch.cumsum(),torch.sum()
1.torch.cumsum(input, dim, *, dtype=None, out=None) → Tensor 返回维度 dim 中输入元素的累积和 >>> import ...
剖析 | torch.cumsum维度详解
最近看别人代码的时候看到这么一个函数,一看吧,感觉是个求和的函数,毕竟有sum这种,可能性还是比较大,于是准备深入看看,具体是干嘛的. 1.写法.先不管结果如何,代码得先写出来. 函数原型: torc ...
PyTorch 笔记（08）— Tensor 比较运算（torch.gt、lt、ge、le、eq、ne、torch.topk、torch.sort、torch.max、torch.min）
1. 常用函数比较函数中有一些是逐元素比较,操作类似逐元素操作,还有一些类似归并操作,常用的比较函数如下表所示. 表中第一行的比较操作已经实现了运算符重载,因此可以使用 a>=b,a>b ...
torch.Tensor和torch.tensor的区别
torch.Tensor和torch.tensor的区别 2019-06-10 16:34:48 Vic_Hao 阅读数 4058更多分类专栏: Pytorch 在Pytorch中,Tensor和t ...
pytorch torch.Tensor.new_ones()（返回一个与size大小相同的用1填充的张量。默认返回的Tensor具有与此张量相同的torch.dtype和torch.device）
from https://pytorch.org/docs/1.1.0/tensors.html?highlight=new_ones#torch.Tensor.new_ones new_ones(s ...
pytorch拼接函数：torch.stack()和torch.cat()--详解及例子
原文链接: https://blog.csdn.net/xinjieyuan/article/details/105205326 https://blog.csdn.net/xinjieyuan/ar ...
torch.unsqueeze()和torch.unsqueeze()
参考:torch.squeeze() 和torch.unsqueeze()用法的通俗解释 import torch x = torch.tensor([[1, 2, 3],[1, 2, 3],[1, ...
Pytorch中的 torch.as_tensor() 和 torch.from_numpy() 的区别
之前我写过一篇文章,比较了 torch.Tensor() 和 torch.tensor() 的区别,而这两者都是深拷贝的方法,返回张量的同时,会在内存中创建一个额外的数据副本,与原数据不共享内存,所以 ...

torch.cumsum() 和 torch.cumprod()

torch.cumsum() 和 torch.cumprod()相关推荐

最新文章

热门文章