如何将张量逐行乘以 PyTorch 中的向量？答案

【问题标题】：How to multiply a tensor row-wise by a vector in PyTorch?如何将张量逐行乘以 PyTorch 中的向量？
【发布时间】：2019-05-28 00:18:48
【问题描述】：

当我有一个形状为[12, 10] 的张量m 和一个形状为[12] 的标量向量s 时，如何将m 的每一行与s 中的相应标量相乘？

【问题讨论】：

标签： python pytorch tensor scalar

【解决方案1】：

您可以将向量广播到更高维张量like so：

def row_mult(t,vector):
    extra_dims = (1,)*(t.dim()-1)
    return t * vector.view(-1, *extra_dims)

【讨论】：

【解决方案2】：

如果您事先知道维数并且可以硬编码正确数量的None，Shai 的答案就有效。这可以扩展到需要额外的维度：

mask = (torch.rand(12) > 0.5).int()  
data = (torch.rand(12, 2, 3, 4))

result = data * mask[:,None,None,None]

result.shape                  # torch.Size([12, 2, 3, 4])
mask[:,None,None,None].shape  # torch.Size([12, 1, 1, 1])

如果您正在处理可变或未知维度的数据，则可能需要手动将mask 扩展为正确的形状

mask = (torch.rand(12) > 0.5).int()
while mask.dim() < data.dim(): mask.unsqueeze_(1)
result = data * mask

result.shape  # torch.Size([12, 2, 3, 4])
mask.shape    # torch.Size([12, 1, 1, 1])

这是一个有点丑陋的解决方案，但它确实有效。可能有一种更优雅的方法来正确地重塑 mask 内联张量以适应可变数量的维度

【讨论】：

【解决方案3】：

需要添加对应的单例维度：

m * s[:, None]

s[:, None] 在将(12, 10) 张量乘以(12, 1) 张量时的大小为(12, 1)，pytoch 知道broadcast s 沿第二个单例维度并正确执行“元素级”乘积。

【讨论】：