如何在PyTorch中为批处理数据添加“点”权重？

我有批处理数据，希望

dot（）

添加到数据中。W是可训练参数。 如何在批处理数据和权重之间添加点

hid_dim = 32
data = torch.randn(10, 2, 3, hid_dim)
data = data.view(10, 2*3, hid_dim)
W = torch.randn(hid_dim) # assume trainable parameters via nn.Parameter
result = torch.bmm(data, W).squeeze() # error, want (N, 6)
result = result.view(10, 2, 3)

更新 这个怎么样

hid_dim = 32
data = torch.randn(10, 2, 3, hid_dim)
data = tdata.view(10, 2*3, hid_dim)
W = torch.randn(hid_dim, 1) # assume trainable parameters via nn.Parameter
W = W.unsqueeze(0).expand(10, hid_dim, 1)
result = torch.bmm(data, W).squeeze() # error, want (N, 6)
result = result.view(10, 2, 3)

---

展开

W

tensor以匹配

data

tensor的形状。以下几点应该行得通

hid_dim = 32
data = torch.randn(10, 2, 3, hid_dim)
data = data.view(10, 2*3, hid_dim)
W = torch.randn(hid_dim)
W = W.unsqueeze(0).unsqueeze(0).expand(*data.size())
result = torch.sum(data * W, 2)
result = result.view(10, 2, 3)

---

---

编辑：您更新的代码是正确的。由于您正在将

W

转换为

Bxhid\u dimx1

，并且您的数据的形状为

bxxhid\u dim

，因此执行批处理矩阵乘法将导致

Bxdx1

，它本质上是

W

参数与

数据中所有行向量之间的点积（
dxhid\u dim
）.
我更新了我的帖子。但是你的代码看起来比我好。我的代码也正确吗？