广播语义¶
许多 PyTorch 操作支持 NumPy 的广播语义。有关详细信息,请参阅 https://numpy.com.cn/doc/stable/user/basics.broadcasting.html。
简而言之,如果 PyTorch 操作支持广播,则其张量参数可以自动扩展为相同的大小(无需复制数据)。
通用语义¶
如果满足以下规则,则两个张量是“可广播的”
每个张量至少有一个维度。
从尾部维度开始迭代维度大小,维度大小必须相等、其中一个为 1 或其中一个不存在。
例如
>>> x=torch.empty(5,7,3)
>>> y=torch.empty(5,7,3)
# same shapes are always broadcastable (i.e. the above rules always hold)
>>> x=torch.empty((0,))
>>> y=torch.empty(2,2)
# x and y are not broadcastable, because x does not have at least 1 dimension
# can line up trailing dimensions
>>> x=torch.empty(5,3,4,1)
>>> y=torch.empty( 3,1,1)
# x and y are broadcastable.
# 1st trailing dimension: both have size 1
# 2nd trailing dimension: y has size 1
# 3rd trailing dimension: x size == y size
# 4th trailing dimension: y dimension doesn't exist
# but:
>>> x=torch.empty(5,2,4,1)
>>> y=torch.empty( 3,1,1)
# x and y are not broadcastable, because in the 3rd trailing dimension 2 != 3
如果两个张量 x
、y
是“可广播的”,则结果张量大小按如下方式计算
如果
x
和y
的维度数不相等,则在维度数较少的张量的维度前添加 1,使其长度相等。然后,对于每个维度大小,结果维度大小是
x
和y
沿该维度的最大大小。
例如
# can line up trailing dimensions to make reading easier
>>> x=torch.empty(5,1,4,1)
>>> y=torch.empty( 3,1,1)
>>> (x+y).size()
torch.Size([5, 3, 4, 1])
# but not necessary:
>>> x=torch.empty(1)
>>> y=torch.empty(3,1,7)
>>> (x+y).size()
torch.Size([3, 1, 7])
>>> x=torch.empty(5,2,4,1)
>>> y=torch.empty(3,1,1)
>>> (x+y).size()
RuntimeError: The size of tensor a (2) must match the size of tensor b (3) at non-singleton dimension 1
就地语义¶
一个复杂之处在于,就地操作不允许就地张量由于广播而更改形状。
例如
>>> x=torch.empty(5,3,4,1)
>>> y=torch.empty(3,1,1)
>>> (x.add_(y)).size()
torch.Size([5, 3, 4, 1])
# but:
>>> x=torch.empty(1,3,1)
>>> y=torch.empty(3,1,7)
>>> (x.add_(y)).size()
RuntimeError: The expanded size of the tensor (1) must match the existing size (7) at non-singleton dimension 2.
向后兼容性¶
早期版本的 PyTorch 允许某些逐元素函数在不同形状的张量上执行,只要每个张量中的元素数量相等即可。然后,逐元素操作将通过将每个张量视为一维来执行。PyTorch 现在支持广播,并且“一维”逐元素行为被视为已弃用,并且在张量不可广播但元素数量相同的情况下会生成 Python 警告。
请注意,广播的引入可能导致在两个张量形状不同但可广播且元素数量相同的情况下出现向后不兼容的更改。例如
>>> torch.add(torch.ones(4,1), torch.randn(4))
以前会生成大小为 torch.Size([4,1]) 的张量,但现在会生成大小为 torch.Size([4,4]) 的张量。为了帮助识别代码中可能存在由于广播引入的向后不兼容性的情况,您可以将 torch.utils.backcompat.broadcast_warning.enabled 设置为 True,在这种情况下,它会生成 Python 警告。
例如
>>> torch.utils.backcompat.broadcast_warning.enabled=True
>>> torch.add(torch.ones(4,1), torch.ones(4))
__main__:1: UserWarning: self and other do not have the same shape, but are broadcastable, and have the same number of elements.
Changing behavior in a backwards incompatible manner to broadcasting rather than viewing as 1-dimensional.