如何从 3d 张量向每个 2d 张量添加 2d 张量答案

【问题标题】：How to add a 2d tensor to every 2d tensor from a 3d tensor如何从 3d 张量向每个 2d 张量添加 2d 张量
【发布时间】：2019-05-11 08:08:14
【问题描述】：

我正在尝试将 2d 张量添加到 3d 张量中的每个 2d 张量。假设我有一个带有 (2,3,2) 形状的张量 a 和一个带有 (2,2) 形状的张量 b。

a = [[[1,2],
      [1,2],
      [1,2]],
     [[3,4],
      [3,4],
      [3,4]]]

b = [[1,2], [3,4]]

#the result i want to get
a[:, 0, :] + b
a[:, 1, :] + b
a[:, 2, :] + b

我想知道pytorch中是否有方法可以做到这一点。

【问题讨论】：

标签： python pytorch

【解决方案1】：

这样做最有效的方法是向b 添加额外的第二维并使用广播添加：

a = torch.Tensor([[[1,2],[1,2],[1,2]],[[3,4],[3,4],[3,4]]])
b = torch.Tensor([[1,2],[3,4]])
a += b.unsqueeze(1)

【讨论】：

【解决方案2】：

你想做什么：

a = [[[1,2],
      [1,2],
      [1,2]],
     [[3,4],
      [3,4],
      [3,4]]]

b = [[1,2], [3,4]]

a = torch.LongTensor(a)
b = torch.LongTensor(b)

a[:, 0, :] += b
a[:, 1, :] += b
a[:, 2, :] += b

print(a)

输出：

tensor([[[2, 4],
         [2, 4],
         [2, 4]],

        [[6, 8],
         [6, 8],
         [6, 8]]])

您可以执行以下相同的操作。

a = (a.transpose(0, 1) + b).transpose(0, 1)
print(a) # prints the same tensor

【讨论】：

【解决方案3】：

@SinaAfrooze 提出的解决方案是正确的，但不是最快的。

TL;DR：torch.add(b.unsqueeze(1), a) 更快。

基准测试：

import torch
a = torch.Tensor([[[1,2],[1,2],[1,2]],[[3,4],[3,4],[3,4]]])
b = torch.Tensor([[1,2],[3,4]])
z = a + b.unsqueeze(1)

%timeit k = torch.add(b.unsqueeze(1), a)
4.08 µs ± 25.8 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit z = a + b.unsqueeze(1)
4.14 µs ± 29 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

torch.equal(k, z)
True

【讨论】：