PyTorch教程（五）：Broadcasting

叁歲伎倆 2022-10-30 14:25 189阅读 0赞

Broadcasting可以自动进行维度的扩展，而且不需要拷贝数据。

例如：

import torch
    
    a = 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，虽然a和b的shape不同，但是依然可以进行相加操作，原因就是PyTorch自动做了Broadcasting。但不是任何两个tensor都可以进行Broadcasting。

如果两个Tensor是broadcastable的，那么就可以对他俩使用支持broadcast的运算，比如直接加减乘除

而两个向量要是broadcast的话，必须满足以下两个条件：

*  每个tensor至少是一维的
 *  两个tensor的维数从后往前，对应的位置要么是相等的，要么其中一个是1，或者不存在

>>> x=torch.empty(5,7,3)
    >>> y=torch.empty(5,7,3)
    # 相同维数的tensor一定是broadcastable的
    
    >>> x=torch.empty((0,))
    >>> y=torch.empty(2,2)
    # 不是broadcastable的，因为每个tensor维数至少要是1
    
    >>> x=torch.empty(5,3,4,1)
    >>> y=torch.empty(  3,1,1)
    # 是broadcastable的，因为从后往前看，一定要注意是从后往前看！
    # 第一个维度都是1，相等，满足第二个条件
    # 第二个维度其中有一个是1，满足第二个条件
    # 第三个维度都是3，相等，满足第二个条件
    # 第四个维度其中有一个不存在，满足第二个条件
    
    # 但是
    >>> x=torch.empty(5,2,4,1)
    >>> y=torch.empty(  3,1,1)
    # 不是broadcastable的，因为从后往前看第三个维度是不match的 2!=3，且都不是1