torch.sum

torch.sum(input, *, dtype=None) → Tensor

返回 input tensor 中所有元素的和。

参数

input (Tensor) – 输入 tensor。

关键字参数

dtype (torch.dtype, 可选) – 返回 tensor 期望的数据类型。如果指定，操作执行前输入 tensor 会被转换为 dtype。这对于防止数据类型溢出非常有用。默认值：None。

注意

如果您需要特定 tensor 类型的结果，请使用 dtype 参数。否则，结果类型可能会自动提升（例如，从 torch.int32 提升到 torch.int64）。

示例

>>> a = torch.randn(1, 3)
>>> a
tensor([[ 0.1133, -0.9567,  0.2958]])
>>> torch.sum(a)
tensor(-0.5475)

torch.sum(input, dim, keepdim=False, *, dtype=None) → Tensor

在给定维度 dim 上返回 input tensor 每行的和。如果 dim 是一个维度列表，则对所有维度进行求和。

如果 keepdim 为 True，则输出 tensor 的大小与 input 相同，但 dim 维度的大小为 1。否则，dim 将被压缩（参见 torch.squeeze()），导致输出 tensor 减少 1 个（或 len(dim) 个）维度。

参数

• input (Tensor) – 输入 tensor。

• dim (int 或 int 的 tuple，可选) – 要进行求和运算的维度。如果为 None，则对所有维度进行求和。

• keepdim (bool) – 输出 tensor 是否保留 dim 维度。

关键字参数

dtype (torch.dtype, 可选) – 返回 tensor 期望的数据类型。如果指定，操作执行前输入 tensor 会被转换为 dtype。这对于防止数据类型溢出非常有用。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.])