pytorch 中的dim的作用范围详解

更新时间：2023年12月05日 12:04:08 作者：mingqian_chu

ptorch中的dim类似于numpy纵的axis,这篇文章给大家介绍pytorch 中的dim的作用范围,不同的运算, dim 的作用域都是一样的思想,本文给大家介绍的非常详细,需要的朋友参考下吧

dim简介

pytorch中对tensor的很多操作都涉及到dim（维度的设置），但是，我们总是搞不清楚每个维度代表什么，到底设置几维，比如sum（求和）、softmax、max（最大值）。

下面看下pytorch 中的dim的作用范围。

1. 二维矩阵时

不同的运算， dim 的作用域都是一样的思想；

当数据是二维矩阵时，可以按照下面的思想理解：

对于矩阵：
dim=0 按列操作（沿列向下）。
dim=1 按行操作（跨行）。

解释如下：

dim=0 ：这是指张量的第一个维度，通常被视为行。如果您沿此维度应用函数，它将按列处理数据。换句话说，该函数独立地应用于每一列。

dim=1 ：这是指张量的第二维，通常被视为列。当您沿此维度应用函数时，它会按行处理数据。也就是说，该函数独立地应用于每一行。

1.1 求和

>> a = torch.Tensor([[1,2,3], [4,5,6]])
>> print(a.shape)
torch.Size([2, 3])
>> print(torch.sum(a, dim=0))
tensor([5., 7., 9.])
>> print(torch.sum(a, dim=1))
tensor([ 6., 15.])

1.2 softmax

dim = 0) #对每一列进行softmax；
dim =1) #对每一行进行softmax；

import torch
import torch.nn.functional as F
x= torch.Tensor( [ [1,2,3,4],[1,2,3,4],[1,2,3,4]])
y1= F.softmax(x, dim = 0) #对每一列进行softmax
print(y1)
y2 = F.softmax(x,dim =1) #对每一行进行softmax
print(y2)
x1 = torch.Tensor([1,2,3,4])
print(x1)
y3 = F.softmax(x1,dim=0) #一维时使用dim=0，使用dim=1报错
print(y3)

(deeplearning) userdeMBP:pytorch user$ python test.py 
tensor([[0.3333, 0.3333, 0.3333, 0.3333],
        [0.3333, 0.3333, 0.3333, 0.3333],
        [0.3333, 0.3333, 0.3333, 0.3333]])
tensor([[0.0321, 0.0871, 0.2369, 0.6439],
        [0.0321, 0.0871, 0.2369, 0.6439],
        [0.0321, 0.0871, 0.2369, 0.6439]])
tensor([1., 2., 3., 4.])
tensor([0.0321, 0.0871, 0.2369, 0.6439])

2. 三维张量时

当dim=0时，是对每一维度相同位置的数值进行softmax运算，和为1
当dim=1时，是对某一维度的列进行softmax运算，和为1
当dim=2时，是对某一维度的行进行softmax运算，和为1

import torch 
import torch.nn.functional as F 
input= torch.randn(2,2,3))
print(input)

dim= 0,

dim=1,

dim =2

到此这篇关于pytorch 中的dim 的作用范围的文章就介绍到这了,更多相关pytorch dim内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

pytorch
dim

Python发送以整个文件夹的内容为附件的邮件的教程
这篇文章主要介绍了Python发送以整个文件夹的内容为附件的邮件的教程,普通我们在运营商免费邮箱中发附件通常只能发文件而不能发文件夹,而该脚本则可以实现文件夹的发送(自己动手编程的强大之处:D),需要的朋友可以参考下
2015-05-05
python线程池的实现实例
这篇文章主要介绍了python线程池的实现方法，代码简单实用，供大家参考使用
2013-11-11
提高 Python 开发效率的3个小工具
这篇文章主要给大家分享得事提高 Python 开发效率的3个小工具，它们能够帮助我们提高工作效率。本文将介绍笔者在近一周发现的三个小工具，写文章以做记录，希望能对大家有所帮助
2022-01-01
django项目登录中使用图片验证码的实现方法
这篇文章主要介绍了django项目登录中使用图片验证码的实现代码，代码简单易懂，非常不错，具有一定的参考借鉴价值 ,需要的朋友可以参考下
2019-08-08
flask实现python方法转换服务的方法
flask是一个web框架，可以通过提供的装饰器@server.route()将普通函数转换为服务，这篇文章主要介绍了flask实现python方法转换服务,需要的朋友可以参考下
2022-05-05
Flask框架路由和视图用法实例分析
这篇文章主要介绍了Flask框架路由和视图用法,结合实例形式分析了Flask路由和视图相关原理、定义与使用方法,需要的朋友可以参考下
2019-11-11
python通过socket实现多个连接并实现ssh功能详解
这篇文章主要介绍了python通过socket实现多个连接并实现ssh功能详解，具有一定参考价值，需要的朋友可以了解下。
2017-11-11
pandas dataframe添加表格框线输出的方法
今天小编就为大家分享一篇pandas dataframe添加表格框线输出的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-02-02
Python数据可视化实现漏斗图过程图解
这篇文章主要介绍了Python数据可视化实现漏斗图过程图解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-07-07
python序列化与数据持久化实例详解
这篇文章主要介绍了python序列化与数据持久化,结合实例形式详细分析了Python序列化与数据持久化相关原理、实现技巧与操作注意事项,需要的朋友可以参考下
2019-12-12