torch.sum

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

傳回 input tensor 中所有元素的總和。

參數

input (Tensor) – 輸入 tensor。

關鍵字參數

dtype (torch.dtype, optional) – 返回 tensor 的期望資料類型。如果指定，輸入 tensor 會在執行運算之前轉換為 dtype。這對於防止資料類型溢位很有用。預設值：None。

注意

如果您需要特定 tensor 類型的結果，請使用 dtype 參數。否則，結果類型可能會自動提升 (例如，從 torch.int32 到 torch.int64)。

範例

>>> 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

傳回給定維度 dim 中 input 張量的每一列總和。如果 dim 是維度的列表，則對所有維度進行歸約。

如果 keepdim 為 True，則輸出張量的大小與 input 相同，但在維度 dim 中大小為 1 的情況除外。 否則，dim 會被壓縮 (請參閱 torch.squeeze())，從而使輸出張量減少 1 個（或 len(dim) 個）維度。

參數

• input (Tensor) – 輸入 tensor。

• dim (int 或 ints 的 tuple, optional) – 要歸約的維度。 如果 None，則會歸約所有維度。

• keepdim (bool) – 輸出張量是否保留 dim。

關鍵字參數

dtype (torch.dtype, optional) – 返回 tensor 的期望資料類型。如果指定，輸入 tensor 會在執行運算之前轉換為 dtype。這對於防止資料類型溢位很有用。預設值：None。

範例

>>> 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.])