让我以二维矩阵为例:
mat = torch.arange(9).view(3, -1)
tensor([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
torch.sum(mat, dim=-2)
tensor([ 9, 12, 15])
我发现结果torch.sum(mat, dim=-2)
等于torch.sum(mat, dim=0)
and dim=-1
等于dim=1
。我的问题是如何理解这里的负面维度。如果输入矩阵有 3 个或更多维怎么办?
张量有多个维度,排序如下图所示。
有向前和向后索引。前向索引使用正整数,后向索引使用负整数。
Example:
-1 将是最后一个,在我们的例子中它将是 dim=2
-2 将变暗=1
-3 将变暗=0
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)