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) – 输入张量。

关键字参数:

dtype（ torch.dtype ，可选）- 返回张量的期望数据类型。如果指定，则在执行操作之前将输入张量转换为 dtype 。这有助于防止数据类型溢出。默认：None。

注意

使用 dtype 参数，如果您需要结果以特定的张量类型。否则，结果类型可能会自动提升（例如，从 torch.int32 提升到 torch.int64）。

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 中 input 张量每一行的总和。如果 dim 是维度的列表，则在所有这些维度上降低。

如果 keepdim 是 True ，则输出张量的大小与 input 相同，除了在维度 dim 上它的大小为 1。否则， dim 被挤压（见 torch.squeeze() ），导致输出张量维度减少 1（或 len(dim) ）。

参数:

• input (Tensor) – 输入张量。

• dim（int 或 int 元组，可选）- 要降低的维度或维度。如果为 None ，则降低所有维度。

• keepdim（布尔值）- 输出张量是否保留 dim 。

关键字参数:

dtype（ torch.dtype ，可选）- 返回张量的期望数据类型。如果指定，则在执行操作之前将输入张量转换为 dtype 。这有助于防止数据类型溢出。默认：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.])