Computer vision Pytorch张量维数乘法

我正在尝试实现grad camm算法：

我的论点是：

激活：带形状的张量

torch.Size（[1,512,14,14]）

alpha值：带形状的张量

torch.Size（[512]）

我想将每个激活（维度索引1（大小512））乘以每个对应的alpha值：例如，如果激活512中的第I个索引是4，第I个alpha值是5，那么我的新第I个激活将是20

---

输出的形状应为torch.Size（[1，512，14，14]）

假设所需输出的形状为

（1，512，14，14）

您可以通过

torch.einsum

实现这一点：

torch.einsum('nchw,c->nchw', x, y)

或者使用简单的点积，但首先需要在

y

上添加两个附加尺寸：

x*y[None, :, None, None]

---

下面是一个使用

x.shape=（1,4,2,2）

和

y=（4，）

的示例：

---

是的，但如果这是我的输入（x，y，z，w），如果我没有弄错的话，只有y维度应该乘以。不，所有通道都将乘以

y

张量的alpha值。查看结果频道3:

[[8,9]，[10,11]

乘以3得到

[[24,27]，[30,33]

。感谢您取消删除此帖子（您现在可以删除新帖子）。欢迎来到约翰。如果你觉得答案不适合你的问题，你不应该只是删除整个东西来创建一个完全相同的副本。对于那些花时间回答问题的人来说，这是非常粗鲁的！如果下面的答案不适合你，请编辑你的问题。我现在将尝试编辑它。非常感谢你！当从下面使用

x

和

y

时，您能给我显示所需的输出吗（从0到15的距离）。我们检查提取特征的每个特征图（每个通道），并将其乘以计算的alpha。特征图是索引1（大小512）中的激活张量中包含的数字，因此我从算法中了解到，我们应该将它们中的每一个都乘以相应的alpha值标量。我开始认为我搞错了，你搞错了，但你的代码甚至没有为我编译。我怎样才能让它工作？我有两个张量，如我所说，x（4维）和y（1维），输出也应该是4维。谢谢

>>> x = torch.arange(16).reshape(1, 4, 2, 2)
tensor([[[[ 0,  1],
          [ 2,  3]],

         [[ 4,  5],
          [ 6,  7]],

         [[ 8,  9],
          [10, 11]],

         [[12, 13],
          [14, 15]]]])

>>> y = torch.arange(1, 5)
tensor([1, 2, 3, 4])

>>> x*y[None, :, None, None]
tensor([[[[ 0,  1],
          [ 2,  3]],

         [[ 8, 10],
          [12, 14]],

         [[24, 27],
          [30, 33]],

         [[48, 52],
          [56, 60]]]])