Pytorch Pytork中作为神经网络层的二维张量的元素级乘法
我有一个尺寸为[Batch_size，n，n]的三维火炬张量，它是我的网络层的输出，还有一个尺寸为[n，n]的恒定二维火炬张量。我如何对批量大小执行元素级乘法，从而生成一个大小为[batch_size，n，n]的torch张量？ 我知道使用显式循环实现这个操作是可能的，但我对最有效的方法感兴趣Pytorch Pytork中作为神经网络层的二维张量的元素级乘法,pytorch,tensor,elementwise-operations,batchsize,Pytorch,Tensor,Elementwise Operations,Batchsize,我有一个尺寸为[Batch_size，n，n]的三维火炬张量，它是我的网络层的输出，还有一个尺寸为[n，n]的恒定二维火炬张量。我如何对批量大小执行元素级乘法，从而生成一个大小为[batch_size，n，n]的torch张量？ 我知道使用显式循环实现这个操作是可能的，但我对最有效的方法感兴趣 感谢一个选项是，您可以扩展权重矩阵以获得匹配的批次维度（无需使用任何额外内存）。例如，twoDTensor.expand（（batch_size，n，n））返回相同的基础数据，但表示三维张量。您可以看到批
感谢一个选项是，您可以扩展权重矩阵以获得匹配的批次维度（无需使用任何额外内存）。例如，
twoDTensor.expand（（batch_size，n，n））