Python 有没有更好的方法来倍增&；沿第一维求两个Pytorch张量之和？

我有两个Pytorch张量，

a

和

b

，分别是

（S，M）

和

（S，M，H）

M

是我的批次维度。我想将这两个张量相乘并求和，这样输出的是形状

（M，H）

。也就是说，我想计算

a[s]*b[s]

的

s

之和

例如，对于

S=2

，

M=2

，

H=3

：

导入火炬 >>>S，M，H=2，2，3 >>>a=火炬。arange（S*M）。视图（（S，M）） 张量（[[0,1]， [2, 3]]) >>>b=火炬。arange（S*M*H）。视图（（S，M，H）） 张量（[[0,1,2]， [ 3, 4, 5]], [[ 6, 7, 8], [ 9, 10, 11]]]) ''' 期望输出： = [[0*[0, 1, 2] + 2*[6, 7, 8]], [1*[3, 4, 5] + 3*[9, 10, 11]]] = [[12, 14, 16], [30, 34, 38]] 注：形状为（2，3）=（M，H） ''' 我找到了一种方法，使用火炬。火炬

>output=torch.tensordot（a，b，（[0]，[0]））
张量（[[12,14,16]，
[18, 20, 22]],
[[18, 22, 26],
[30, 34, 38]]])
>>>输出.形状
火炬尺寸（[2,2,3]）#始终为（M，M，H）
>>>输出=输出[torch.arange（M），torch.arange（M），：]
张量（[[12,14,16]，
[30, 34, 38]])

但正如你所看到的，这会造成很多不必要的计算，我必须将与我相关的部分切分

有没有更好的方法不需要进行不必要的计算？

这应该可以：

(torch.unsqueeze(a, 2)*b).sum(axis=0)
>>> tensor([[12, 14, 16],
            [30, 34, 38]])

这应该起作用：

(torch.unsqueeze(a, 2)*b).sum(axis=0)
>>> tensor([[12, 14, 16],
            [30, 34, 38]])