Broadcasting可以自動進行維度的擴展，而且不需要拷貝數據。

例如：

import torcha = torch.rand(3,4) # tensor([[0.0422, 0.9152, 0.5486, 0.8753], # [0.3918, 0.6056, 0.0634, 0.9498], # [0.4444, 0.2209, 0.8165, 0.1533]]) b = torch.rand(4) # tensor([0.4145, 0.2913, 0.1655, 0.3705]) a + b # tensor([[0.4567, 1.2065, 0.7141, 1.2458], # [0.8064, 0.8969, 0.2289, 1.3203], # [0.8589, 0.5122, 0.9819, 0.5238]])

上面的例子可以看到，雖然a和b的shape不同，但是依然可以進行相加操作，原因就是PyTorch自動做了Broadcasting。但不是任何兩個tensor都可以進行Broadcasting。

如果兩個Tensor是broadcastable的，那么就可以對他倆使用支持broadcast的運算，比如直接加減乘除

而兩個向量要是broadcast的話，必須滿足以下兩個條件：

• 每個tensor至少是一維的
• 兩個tensor的維數從后往前，對應的位置要么是相等的，要么其中一個是1，或者不存在

>>> x=torch.empty(5,7,3) >>> y=torch.empty(5,7,3) # 相同維數的tensor一定是broadcastable的>>> x=torch.empty((0,)) >>> y=torch.empty(2,2) # 不是broadcastable的，因為每個tensor維數至少要是1>>> x=torch.empty(5,3,4,1) >>> y=torch.empty( 3,1,1) # 是broadcastable的，因為從后往前看，一定要注意是從后往前看！ # 第一個維度都是1，相等，滿足第二個條件 # 第二個維度其中有一個是1，滿足第二個條件 # 第三個維度都是3，相等，滿足第二個條件 # 第四個維度其中有一個不存在，滿足第二個條件# 但是 >>> x=torch.empty(5,2,4,1) >>> y=torch.empty( 3,1,1) # 不是broadcastable的，因為從后往前看第三個維度是不match的 2!=3，且都不是1

總結

以上是生活随笔為你收集整理的PyTorch教程（五）：Broadcasting的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。