Torch 中的 3D 张量 * 2D 张量点答案

【问题标题】：3D tensor * 2D tensor dot in TorchTorch 中的 3D 张量 * 2D 张量点
【发布时间】：2016-07-02 03:42:59
【问题描述】：

在 Theano 中，当我有一个形状为 [A,B,C] 的 3D 张量 x 和一个形状为 [C,D] 的 2D 张量 y 时，theano.tensor.dot(x, y) 返回一个形状为 [ A,B,D]。

Torch 中的等效操作是什么？ torch.dot 似乎没有这样做，x * y 和 torch.mm 抱怨他们想要两个参数的 2D 张量，torch.bmm 想要两个参数的 3D 张量。

【问题讨论】：

标签： torch

【解决方案1】：

正如@smhx 建议的那样，可能的解决方案是重复第二个张量（有一种方法可以在不分配内存的情况下做到这一点），然后执行批处理矩阵矩阵乘积：

function repeatNoCopy(tensor, k)
    local tens_size = tensor:size():totable()
    return torch.expand(tensor:view(1, unpack(tens_size)), k, unpack(tens_size))
end

A = torch.rand(3, 2, 5)
B = torch.rand(5, 4)
B_rep = repeatNoCopy(B, 3)

result = torch.bmm(A, B_rep)

print(result)
> [torch.DoubleTensor of size 3x2x4]

【讨论】：

【解决方案2】：

您需要将 y 扩展为 [A,C,D] 的大小，然后使用 torch.bmm。查看 torch.expand 或 torch.repeatTensor 的文档。

【讨论】：

你能说得更具体点吗？代码会是什么样子？从文档看来，repeatTensor 创建了一个副本？我不想那样。