torch.sum

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

返回input张量中所有元素的总和。

参数: input (Tensor) – 需要输入的张量。
关键字参数: dtype (torch.dtype, 可选) – 返回的张量的数据类型。如果指定了 dtype，则在执行操作之前将输入张量转换为此数据类型，以防止数据溢出。默认值：None。

示例：

>>> 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

返回给定维度 dim 上 input 张量每一行的和。如果 dim 是多个维度的列表，则在这多个维度上进行求和操作。

如果 keepdim 是 True，则输出张量与输入张量大小相同，除了在 dim 指定的维度上其大小为 1。否则，dim 维度会被挤压（参见 torch.squeeze()），导致输出张量比输入少 1 （或 len(dim)）个维度。

参数

input (Tensor) – 需要输入的张量。
dim (int 或元组 of ints, 可选) – 要减少的维度。如果为 None，则所有维度都会被减少。
keepdim (bool) – 是否在输出张量中保留dim维度。

关键字参数

dtype (torch.dtype, 可选) – 返回的张量的数据类型。如果指定了 dtype，则在执行操作之前将输入张量转换为此数据类型，以防止数据溢出。默认值：None。

示例：

>>> 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.])