在torch.sum() 中dim=-1 或-2 是什么意思？

Question

让我以一个二维矩阵为例：

mat = torch.arange(9).view(3, -1)

tensor([[0, 1, 2],
        [3, 4, 5],
        [6, 7, 8]])

torch.sum(mat, dim=-2)

tensor([ 9, 12, 15])

我发现的结果torch.sum(mat, dim=-2)等于torch.sum(mat, dim=0)和dim=-1等于dim=1。我的问题是如何理解这里的负面维度。如果输入矩阵有 3 个或更多维度怎么办？

Answer 1

张量有多个维度，如下图所示。有向前和向后索引。正向索引使用正整数，反向索引使用负整数。

例子：

-1 将是最后一个，在我们的例子中它将是 dim=2

-2 会变暗=1

-3 将变暗=0

Answer 2

减号基本上意味着您向后浏览维度。设 A 是一个 n 维矩阵。然后dim=n-1=-1，dim=n-2=-2，...，dim=1=-(n-1)，dim=0=-n。有关更多信息，请参阅numpy 文档，因为 pytorch 很大程度上基于 numpy。