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@)
