在pytorch中广播元素明智的乘法
Broadcasting element wise multiplication in pytorch
我在 pytorch 中有一个大小为 torch.Size([1443747, 128]) 的张量。我们将其命名为张量 A。在这个张量中，128 代表批量大小。我有另一个大小为 torch.Size([1443747]) 的一维张量。我们称它为 B。我想对 B 和 A 进行元素级乘法，这样 B 就乘以张量 A 的所有 128 列（显然是以元素级的方式）。换句话说，我想沿着 dimension=1 广播元素明智的乘法。
我怎样才能在 pytorch 中实现这一点？
如果我没有涉及张量 A (batch size = 1) 的批量大小，那么正常的 * 运算符会很容易地进行乘法运算。 A*B 然后会生成大小为 torch.Size([1443747]) 的合成张量。但是，我不明白为什么 pytorch 不沿维度 1 广播张量乘法？有什么办法吗？
我想要的是，B 应该以元素明智的方式与 A 的所有 128 列相乘。因此，生成的张量大小为 torch.Size([1443747, 128]).
尺寸应该匹配，如果你转置 A 或取消挤压 B，它应该可以工作：
C = A.transpose(1,0) * B # shape: [128, 1443747]
或
C = A * B.unsqueeze(dim=1) # shape: [1443747, 128]
注意两个解的形状不同
我在 pytorch 中有一个大小为 torch.Size([1443747, 128]) 的张量。我们将其命名为张量 A。在这个张量中，128 代表批量大小。我有另一个大小为 torch.Size([1443747]) 的一维张量。我们称它为 B。我想对 B 和 A 进行元素级乘法，这样 B 就乘以张量 A 的所有 128 列（显然是以元素级的方式）。换句话说，我想沿着 dimension=1 广播元素明智的乘法。
我怎样才能在 pytorch 中实现这一点？
如果我没有涉及张量 A (batch size = 1) 的批量大小，那么正常的 * 运算符会很容易地进行乘法运算。 A*B 然后会生成大小为 torch.Size([1443747]) 的合成张量。但是，我不明白为什么 pytorch 不沿维度 1 广播张量乘法？有什么办法吗？
我想要的是，B 应该以元素明智的方式与 A 的所有 128 列相乘。因此，生成的张量大小为 torch.Size([1443747, 128]).
尺寸应该匹配，如果你转置 A 或取消挤压 B，它应该可以工作：
C = A.transpose(1,0) * B # shape: [128, 1443747]
或
C = A * B.unsqueeze(dim=1) # shape: [1443747, 128]
注意两个解的形状不同