Table of Contents
Shortcuts

torch.sum

torch.sum(input, *, dtype=None) → 张量

返回input张量中所有元素的总和。

Parameters

输入 (张量) – 输入张量。

Keyword Arguments

dtype (torch.dtype, 可选) – 返回张量的所需数据类型。 如果指定，输入张量在操作执行前会被转换为 dtype。这对于防止数据类型溢出很有用。默认值：None。

示例：

>>> a = torch.randn(1, 3)
>>> a
张量([[ 0.1133, -0.9567,  0.2958]])
>>> torch.sum(a)
张量(-0.5475)
torch.sum(input, dim, keepdim=False, *, dtype=None) → 张量

返回在给定维度dim中，input张量每行的总和。如果dim是一个维度列表，则在所有维度上进行缩减。

如果 keepdim 是 True，输出张量的大小与 input 相同，除了在维度 dim 上大小为1。 否则，dim 被压缩（参见 torch.squeeze()），导致输出张量减少1（或 len(dim)）个维度。

Parameters

  • 输入 (张量) – 输入张量。

  • dim (int 或 tuple 的 ints，可选) – 要减少的维度或多个维度。 如果 None，则所有维度都被减少。

  • keepdim (布尔值) – 输出张量是否保留dim。

Keyword Arguments

dtype (torch.dtype, 可选) – 返回张量的所需数据类型。 如果指定，输入张量在操作执行前会被转换为 dtype。这对于防止数据类型溢出很有用。默认值：None。

示例：

>>> a = torch.randn(4, 4)
>>> a
tensor([[ 0.0569, -0.2475,  0.0737, -0.3429],
        [-0.2993,  0.9138,  0.9337, -1.6864],
        [ 0.1132,  0.7892, -0.1003,  0.5688],
        [ 0.3637, -0.9906, -0.4752, -1.5197]])
>>> torch.sum(a, 1)
tensor([-0.4598, -0.1381,  1.3708, -2.6217])
>>> b = torch.arange(4 * 5 * 6).view(4, 5, 6)
>>> torch.sum(b, (2, 1))
tensor([  435.,  1335.,  2235.,  3135.])
优云智算