torch.sum

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

Возвращает сумму всех элементов в тензоре input.

Параметры

input (Тензор) – входной тензор.

Ключевые аргументы

dtype (torch.dtype, необязательно) – желаемый тип данных возвращаемого тензора. Если указан, входной тензор приводится к типу dtype перед выполнением операции. Это полезно для предотвращения переполнения типов данных. По умолчанию: None.

Пример:

>>> 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) → Тензор

Возвращает сумму каждой строки тензора input по заданному измерению dim. Если dim — список измерений, суммирование происходит по всем им.

Если keepdim равно True, размер выходного тензора такой же, как у input, за исключением измерения(ий) dim, где он имеет размер 1. В противном случае, dim сжимается (см. torch.squeeze()), в результате чего выходной тензор имеет на 1 (или len(dim)) меньше измерение(ий).

Параметры

• input (Тензор) – входной тензор.
• dim (int или кортеж из целых чисел, необязательно) – измерение или измерения для суммирования. Если None, суммируются все измерения.
• keepdim (bool) – сохранять ли размерность в выходном тензоре.

Ключевые аргументы

dtype (torch.dtype, необязательно) – желаемый тип данных возвращаемого тензора. Если указан, входной тензор приводится к типу dtype перед выполнением операции. Это полезно для предотвращения переполнения типов данных. По умолчанию: None.

Пример:

>>> 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.])