欢迎来到尧图网

客户服务 关于我们

您的位置:首页 > 汽车 > 时评 > python乱炖6——sum(),指定维度进行求和

python乱炖6——sum(),指定维度进行求和

2024/10/25 8:25:08 来源:https://blog.csdn.net/qq_43507078/article/details/142264535  浏览:    关键词:python乱炖6——sum(),指定维度进行求和

python乱炖6——sum(),指定维度进行求和

import torch# 创建一个三维张量
x = torch.tensor([[[1, 2, 3], [4, 5, 6]],[[7, 8, 9], [10, 11, 12]]
])print("Original tensor x:")
print(x)
print(x.shape)>>> tensor([[[ 1,  2,  3],[ 4,  5,  6]],[[ 7,  8,  9],[10, 11, 12]]])torch.Size([2, 2, 3])# 沿第0维求和
sum_dim0 = torch.sum(x, dim=0)
print("Sum along dimension 0:")
print(sum_dim0)
print()>>>Sum along dimension 0:
tensor([[ 8, 10, 12],[14, 16, 18]])# 沿第1维求和
sum_dim1 = torch.sum(x, dim=1)
print("Sum along dimension 1:")
print(sum_dim1)
print()>>>Sum along dimension 1:
tensor([[ 5,  7,  9],[17, 19, 21]])# 沿第2维求和
sum_dim2 = torch.sum(x, dim=2)
print("Sum along dimension 2:")
print(sum_dim2)
print()>>>Sum along dimension 2:
tensor([[ 6, 15],[24, 33]])sum_dim3 = torch.sum(x, dim=(1,2))
print("Sum along dimension (1,2):")
print(sum_dim3)
print()>>>Sum along dimension (1,2):tensor([21, 57])sum_dim4 = torch.sum(x, dim=(0,1))
print("Sum along dimension (0,1):")
print(sum_dim4)
print()
>>>Sum along dimension (0,1):
tensor([22, 26, 30])

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com