pytorch 中的dim的作用范圍詳解
dim簡(jiǎn)介
pytorch中對(duì)tensor的很多操作都涉及到dim（維度的設(shè)置），但是，我們總是搞不清楚每個(gè)維度代表什么，到底設(shè)置幾維，比如sum（求和）、softmax、max（最大值）。
下面看下pytorch 中的dim的作用范圍。
1. 二維矩陣時(shí)
不同的運(yùn)算， dim 的作用域都是一樣的思想；
當(dāng)數(shù)據(jù)是二維矩陣時(shí)， 可以按照下面的思想理解：
對(duì)于矩陣：
dim=0 按列操作（沿列向下）。
dim=1 按行操作（跨行）。
解釋如下：
dim=0 ：這是指張量的第一個(gè)維度，通常被視為行。如果您沿此維度應(yīng)用函數(shù)，它將按列處理數(shù)據(jù)。換句話說(shuō)，該函數(shù)獨(dú)立地應(yīng)用于每一列。
dim=1 ：這是指張量的第二維，通常被視為列。當(dāng)您沿此維度應(yīng)用函數(shù)時(shí)，它會(huì)按行處理數(shù)據(jù)。也就是說(shuō)，該函數(shù)獨(dú)立地應(yīng)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) #對(duì)每一列進(jìn)行softmax；
dim =1) #對(duì)每一行進(jìn)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) #對(duì)每一列進(jìn)行softmax print(y1) y2 = F.softmax(x,dim =1) #對(duì)每一行進(jìn)行softmax print(y2) x1 = torch.Tensor([1,2,3,4]) print(x1) y3 = F.softmax(x1,dim=0) #一維時(shí)使用dim=0，使用dim=1報(bào)錯(cuò) 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. 三維張量時(shí)
當(dāng)dim=0時(shí)， 是對(duì)每一維度相同位置的數(shù)值進(jìn)行softmax運(yùn)算，和為1
當(dāng)dim=1時(shí)， 是對(duì)某一維度的列進(jìn)行softmax運(yùn)算，和為1
當(dāng)dim=2時(shí)， 是對(duì)某一維度的行進(jìn)行softmax運(yùn)算，和為1
import torch import torch.nn.functional as F input= torch.randn(2,2,3)) print(input)
dim= 0,
dim=1,
dim =2
到此這篇關(guān)于pytorch 中的dim 的作用范圍的文章就介紹到這了,更多相關(guān)pytorch dim內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了用Python生成HTML表格的方法示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-03-03
使用Python實(shí)現(xiàn)輕松調(diào)整視頻的播放速度
這篇文章主要介紹了如何通過(guò) moviepy.editor 中的 VideoFileClip 類和 fx.speedx 函數(shù)實(shí)現(xiàn)輕松地調(diào)整視頻的播放速度,感興趣的可以了解下2024-11-11
文章介紹了DeepSeek-V3模型的性能提升以及如何在PyCharm中接入和使用DeepSeek進(jìn)行代碼開(kāi)發(fā),本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì),感興趣的朋友一起看看吧2025-02-02
python?wxauto庫(kù)的使用及注意事項(xiàng)
這篇文章主要介紹了python?wxauto庫(kù)的使用及注意事項(xiàng),wxauto庫(kù)支持微信自動(dòng)化操作,涵蓋消息發(fā)送、聊天記錄獲取、自動(dòng)回復(fù)及監(jiān)聽(tīng)功能,文中通過(guò)代碼介紹的非常詳細(xì),需要的朋友可以參考下2025-07-07
詳解Python中鍵盤(pán)鼠標(biāo)的相關(guān)操作
pyautogui模塊，規(guī)范一點(diǎn)大寫(xiě)就是PyAutoGUI模塊，是用來(lái)實(shí)現(xiàn)自動(dòng)化腳本的一個(gè)十分得力的小助手。他可以操控鍵盤(pán)和鼠標(biāo)，可以寫(xiě)許多工具。本文就來(lái)講講如何利用這個(gè)模塊實(shí)現(xiàn)鍵盤(pán)鼠標(biāo)的相關(guān)操作，需要的可以參考一下2023-01-01
Pytorch 實(shí)現(xiàn)focal_loss 多類別和二分類示例
今天小編就為大家分享一篇Pytorch 實(shí)現(xiàn)focal_loss 多類別和二分類示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-01-01
Python列表嵌套常見(jiàn)坑點(diǎn)及解決方案
這篇文章主要介紹了Python列表嵌套常見(jiàn)坑點(diǎn)及解決方案,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-09-09
Pandas添加行至現(xiàn)有數(shù)據(jù)框的實(shí)現(xiàn)示例
本文主要介紹了Pandas添加行至現(xiàn)有數(shù)據(jù)框的實(shí)現(xiàn)示例,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2025-04-04
混淆矩陣是ROC曲線繪制的基礎(chǔ),同時(shí)它也是衡量分類型模型準(zhǔn)確度中最基本,最直觀,計(jì)算最簡(jiǎn)單的方法,下面這篇文章主要給大家介紹了關(guān)于pytorch分類模型繪制混淆矩陣以及可視化的相關(guān)資料,需要的朋友可以參考下2022-04-04
Python3與redis交互,保存的是字符串,取出來(lái)是bytes類型問(wèn)題
這篇文章主要介紹了Python3與redis交互,保存的是字符串,取出來(lái)是bytes類型問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,2023-09-09