torch.sum

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

返回 input 张量中所有元素的总和。

参数

input (Tensor) – 输入张量。

关键字参数

dtype (torch.dtype, 可选) – 返回张量的所需数据类型。如果指定，则在执行操作之前将输入张量转换为 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
tensor([[ 0.1133, -0.9567,  0.2958]])
>>> torch.sum(a)
tensor(-0.5475)

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

返回给定维度 dim 中 input 张量中每行的总和。如果 dim 是维度列表，则对所有维度进行缩减。

如果 keepdim 为 True，则输出张量与 input 大小相同，除了维度 dim 为大小 1。否则，dim 被压缩（参见 torch.squeeze()），导致输出张量比输入张量少 1 个（或 len(dim) 个）维度。

参数

• input (Tensor) – 输入张量。

• dim (int 或 tuple of ints, 可选) – 要缩减的维度或维度。如果为 None，则缩减所有维度。

• keepdim (bool) – 输出张量是否保留 dim。

关键字参数

dtype (torch.dtype, 可选) – 返回张量的所需数据类型。如果指定，则在执行操作之前将输入张量转换为 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.])