Broadcasting可以自動(dòng)進(jìn)行維度的擴(kuò)展，而且不需要拷貝數(shù)據(jù)。

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(jìn)行相加操作，原因就是PyTorch自動(dòng)做了Broadcasting。但不是任何兩個(gè)tensor都可以進(jìn)行Broadcasting。

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

而兩個(gè)向量要是broadcast的話，必須滿足以下兩個(gè)條件：

• 每個(gè)tensor至少是一維的
• 兩個(gè)tensor的維數(shù)從后往前，對應(yīng)的位置要么是相等的，要么其中一個(gè)是1，或者不存在

>>> x=torch.empty(5,7,3) >>> y=torch.empty(5,7,3) # 相同維數(shù)的tensor一定是broadcastable的>>> x=torch.empty((0,)) >>> y=torch.empty(2,2) # 不是broadcastable的，因?yàn)槊總€(gè)tensor維數(shù)至少要是1>>> x=torch.empty(5,3,4,1) >>> y=torch.empty( 3,1,1) # 是broadcastable的，因?yàn)閺暮笸翱?#xff0c;一定要注意是從后往前看！ # 第一個(gè)維度都是1，相等，滿足第二個(gè)條件 # 第二個(gè)維度其中有一個(gè)是1，滿足第二個(gè)條件 # 第三個(gè)維度都是3，相等，滿足第二個(gè)條件 # 第四個(gè)維度其中有一個(gè)不存在，滿足第二個(gè)條件# 但是 >>> x=torch.empty(5,2,4,1) >>> y=torch.empty( 3,1,1) # 不是broadcastable的，因?yàn)閺暮笸翱吹谌齻€(gè)維度是不match的 2!=3，且都不是1

總結(jié)

以上是生活随笔為你收集整理的PyTorch教程（五）：Broadcasting的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。