Python PyTorch-将张量与标量相乘得到零向量

我不知道为什么张量的结果都是0。这里有什么问题吗

>>> import torch
>>> import numpy as np
>>> import math

>>> torch.__version__
'0.4.1'
>>> np.__version__
'1.15.4'

>>> torch.arange(0, 10, 2) *-(math.log(10000.0) / 10)
tensor([0, 0, 0, 0, 0])
>>> np.arange(0, 10, 2) *-(math.log(10000.0) / 10)
array([-0.        , -1.84206807, -3.68413615, -5.52620422, -7.3682723 ])

>>> torch.arange(0, 10, 2)
tensor([0, 2, 4, 6, 8])
>>> np.arange(0, 10, 2)
array([0, 2, 4, 6, 8])

---

使用0.4.0获得与numpy相同的结果时，如注释中所述：

tensor([-0.0000, -1.8421, -3.6841, -5.5262, -7.3683])

然而，对于

0.4.1

我也得到了一个零向量

原因是

torch.arange（0,10,2）

为0.4.0返回类型为

float

的张量，而为0.4.1返回类型为

long

的张量

因此，将张量转换为

float

应该适合您：

torch.arange(0, 10, 2).float() *-(math.log(10000.0) / 10)

相乘

long

和

float

通过大量舍入工作，因为结果仍然是

long

类型的张量。因此，当将

FloatTensor

转换为

LongTensor

时，介于-1和1之间的值将四舍五入为0

由于

-（math.log（10000.0）/10）

导致

-0.9210340371976183

您的结果是

0

。因此，在相乘之前，有效地将

-0.9210340371976183

转换为类型

long

。但在转换时，它将被舍入为

0

，请参见以下示例：

t = torch.tensor((-(math.log(10000.0) / 10)))
print('FloatTensor:', t)
print('Converted to Long:', t.long())

输出：

FloatTensor: tensor(-0.9210)
Converted to Long: tensor(0)

因此：

变成：

torch.arange(0, 10, 2).float() * 0

因此得到了一个零张量

---

还有一些例子：

如果将其与1到2之间的值相乘，比如说1.7，它将始终向下舍入为1：

t = torch.tensor(range(5), dtype=torch.long)
print(t)
print(t * 1.7)

输出：

tensor([ 0,  1,  2,  3,  4])
tensor([ 0,  1,  2,  3,  4])

tensor([ 0,  1,  2,  3,  4])
tensor([ 0,  2,  4,  6,  8])

与

2.7

相乘时，同样会导致

2

的有效相乘：

t = torch.tensor(range(5), dtype=torch.long)
print(t)
print(t * 2.7)

输出：

tensor([ 0,  1,  2,  3,  4])
tensor([ 0,  1,  2,  3,  4])

tensor([ 0,  1,  2,  3,  4])
tensor([ 0,  2,  4,  6,  8])

---

结果是

张量（[-0.0000，-1.8421，-3.6841，-5.5262，-7.3683]）

对于我来说，v

0.4.0a0+3749c58

Python版本3.7.1Yes。你能详细解释一下原因吗？没有.float（），我加/减1,2。。。到（math.log（10000.0）/10）并将得到类似于张量（[0，-2，-4，-6，-8]）、张量（[0,0,0,0,0,0]）、张量（[0,2,4,6,8]）…@Kuo谢谢，我添加了更多的示例，以使乘法的行为

long

*

float

更加清晰！