Pytorch笔记：维度dim的定义及其理解使用

TensorFlow对张量的阶、维度、形状有着明确的定义，而在pytorh中对其的定义却模糊不清，仅仅有一个torch.size()的函数来查看张量的大小（我理解的这个大小指的就是TensorFlow对张量的形状描述，也和numpy的.shape类似）。所以，首先要搞清楚如何看一个张量的形状。

以上代码的控制台输出为：

可见，我们成功创建了一个（2，3，4）大小的张量，那么我们人工应该怎么辨别一个张量的大小呢？为了直观，我把这个张量的中括号调整一个位置：

我们可以看到：

第一层（最外层）中括号里面包含了两个中括号（以逗号进行分割），这就是（2，3，4）中的2 第二层中括号里面包含了三个中括号（以逗号进行分割），这就是（2，3，4）中的3 第三层中括号里面包含了四个数（以逗号进行分割），这就是（2，3，4）中的4 结论：pytorch中的tensor维度可以通过第一个数前面的中括号数量来判断，有几个中括号维度就是多少。拿到一个维度很高的向量，将最外层的中括号去掉，数最外层逗号的个数，逗号个数加一就是最高维度的维数，如此循环，直到全部解析完毕。 我们还看到：

z.size(0) = 2，z.size(1) = 3，z.size(2) = 4

第0维度为2，第1维度为3，第2维度为4，即维度的标号是以0开始的 以上定义部分，摘自：pytorch中对维度及其squeeze()、unsqueeze()函数的理解

网上很多对dim的理解，比如，dim=0，表示的是行，函数的意思就是不要行这一维度，保留列巴拉巴拉之类的，个人觉得不好理解。比如下图博主的理解 那我的理解就是：

控制变量法大家知道吗？？或者消融实验？就是几个方法或者实验的比较，保持只有一个因素是可变的，其他都是一致的，就是控制变量法，论文术语也叫消融实验。

所以，dim的使用也是这样，只有dim指定的维度是可变的，其他都是固定不变的。

dim = 0，指定的是行，那就是列不变，理解成：同一列中每一行之间的比较或者操作，是每一行的比较，因为行是可变的。

1. torch.argmax()： 得到最大值的序号索引

说明：dim=1，指定列，也就是行不变，列之间的比较，所以原来的a有三行，最后argmax()出来的应该也是三个值，第一行的时候，同一列之间比较，最大值是0.8338，索引是0，同理，第二行，最大值的索引是1……

2. sum()： 求和

说明：dim=0，指定行，行是可变的，列是不变，所以就是同一列中，每一个行的比较，所以a.sum(dim = 0)，第一列的和就是3，第二列的和就是5，第三列的和就是7. 同理，a.sum(dim=1)，指定列，列是可变的，行是不变的，所以就是同一列之间的比较或者操作，所以第一行的求和是3，第二行的求和是12

3. cumsum()： 累加

注：目前见过的，这种理解成控制变量法还是大多可以很好的解释过去，如果有不能用我这种的解决的，麻烦底下告诉我一下，互相学习，共同进步。

有大半年没有更新博客了，这段时间一直准备春招，实习，秋招，到今天基本上可以结束坐等开奖了； 目前手里有近10个CV算法工程师意向书：字节，商汤，百度，顺丰，华为，小红书，拼多多，小马智行，海康威视，腾讯等。 接下来会花很多时间在小红书上整理这一过程所有的经验以及技巧，包括：丰富简历内容，如何打比赛（大佬止步），如何刷题，刷什么题，刷到什么程度，面试技巧，面经整理，hr面技巧，如何反问面试官，如何argue薪资等等等，大家有需要可以关注一波哈，内容保证丰富！助力大家秋招收割offer到手软！

大家如果是刚研一或者已经研二或者是大二或者大三赶紧关注一波，关注我秋招不踩坑！

小红书号：371845174（Activewaste，博客同名）

后面也会在小红书分享好用工具，插件，装逼神器等，手把手教学，大家关注起来哈！ 我看有粉丝评论私信求更新的，大受鼓舞哈哈哈哈，后面会继续更新论文笔记，供大家参考互相学习！！！ 另外我比较少上csdn，大家给我私信要联系方式或者评论问问题有时没看到（一个月没上，200+的通知），大家直接去小红书私信提问，或者催我撒！