Pytorch 中 [-1,0] 的维度范围是多少？

Question

所以我很难理解一些关于 Pytorch 集合的术语。我不断遇到关于我的张量范围不正确的相同类型的错误，当我尝试谷歌寻找解决方案时，解释往往更加混乱。

下面是一个例子：

m = torch.nn.LogSoftmax(dim=1)
input = torch.tensor([0.3300, 0.3937, -0.3113, -0.2880])
output = m(input)

我没有发现上面的代码有什么问题，我已经定义LogSoftmax了接受一维输入。所以根据我使用其他编程语言的经验，集合[0.3300, 0.3937, -0.3113, -0.2880]是一个单一的维度。

以上触发了以下错误m(input)：

IndexError: Dimension out of range (expected to be in range of [-1, 0], but got 1)

这意味着什么？

我传入了一个一维张量，但它告诉我它期望的范围是[-1, 0], but got 1.

我搜索了这个错误的解释，我发现像这个链接这样的东西对我作为一个程序员来说毫无意义：

因此，我能够通过向张量数据添加另一个维度来修复上述代码。

IndexError: Dimension out of range (expected to be in range of [-1, 0], but got 1)

所以这是有效的，但我不明白如何[-1,0]解释嵌套集合。

进一步的实验表明以下方法也有效：

m = torch.nn.LogSoftmax(dim=1)
input = torch.tensor([[-0.3300, 0.3937, -0.3113, -0.2880]])
output = m(input)

所以dim=1意味着集合的集合，但我不明白这意味着什么[-1, 0]。

当我尝试使用 LogSoftmax(dim=2)

m = torch.nn.LogSoftmax(dim=1)
input = torch.tensor([[0.0, 0.1], [1.0, 0.1], [2.0, 0.1]])
output = m(input)

以上给了我以下错误：

IndexError：维度超出范围（预期在 [-2, 1] 范围内，但得到 2）

再次混淆dim=2等于[-2, 1]，因为1值从何而来？

我可以通过将集合嵌套到另一个级别来修复上面的错误，但此时我不明白LogSoftmax期望的是什么值。

m = torch.nn.LogSoftmax(dim=2)
input = torch.tensor([[0.0, 0.1], [1.0, 0.1], [2.0, 0.1]])
output = m(input)

我对这个术语[-1, 0]和[-2, 1]?

如果第一个值是嵌套深度，那么为什么它是负数，第二个数字是什么意思？

没有与此错误相关的错误代码。因此，很难找到有关该主题的文档。这似乎是一个非常常见的错误，人们对此感到困惑，我在 Pytorch 文档中找不到任何专门讨论它的错误。

Answer 1

当指定张量的维度作为函数的参数时（例如m = torch.nn.LogSoftmax(dim=1)），您可以使用正维度索引，第一个维度从 0 开始，第二个维度从 1 开始，依此类推。
或者，您可以使用负维度索引从最后一个维度开始到第一个：-1 表示最后一个维度，-2 表示倒数第二个维度，等等。

示例：
如果您有一个尺寸为b-by- c-by- h-by-的 4D 张量w，则

因此，如果您有 4D 张量dim参数，则可以取范围内的值[-4, 3]。

在您的情况下，您有一个一维张量，因此dim参数可以是 0 或 -1 （在这种不推荐使用的情况下等于相同的维度）。