PyTorch torch.sum 関数

Pytorch torch 参考手册Pytorch torch リファレンスマニュアル

torch.sumPyTorch でテンソルの要素の合計を計算するための関数です。すべての要素の合計を計算することも、指定した次元に沿って計算することもできます。

これは深層学習でよく使用されるリダクション操作であり、損失計算や統計などのシーンで使用されます。

関数定義

torch.sum(input, dim, keepdim, dtype, out)

パラメータ:

  • input(Tensor): 入力テンソル。
  • dim(int または tuple of int, オプション): 計算する次元。もしNoneの場合、すべての要素の合計を計算します。
  • keepdim(bool, オプション): 次元を保持するかどうか。デフォルトはFalse。
  • dtype(torch.dtype, オプション): 出力テンソルのデータ型。
  • out(Tensor, オプション): 出力テンソル。

戻り値:

  • torch.Tensor: 計算後のテンソルを返します。

使用例

例 1: すべての要素の合計を計算

実例

import torch

# テンソルを作成
x = torch.tensor([[1, 2, 3], [4, 5, 6]])

# すべての要素の合計を計算
total = torch.sum(x)

print("テンソル:")
print(x)
print("要素の合計:", total)

出力結果は次のとおりです：

张量:
tensor([[1, 2, 3],
        [4, 5, 6]])
元素之和: tensor(21)

例 2: 指定した次元に沿って合計を計算

実例

import torch

x = torch.tensor([[1, 2, 3], [4, 5, 6]])

# dim=0（列）に沿って合計を計算
sum_dim0 = torch.sum(x, dim=0)
print("dim=0 に沿った合計:", sum_dim0)

# dim=1（行）に沿って合計を計算
sum_dim1 = torch.sum(x, dim=1)
print("dim=1 に沿った合計:", sum_dim1)

出力結果は次のとおりです：

沿 dim=0 求和: tensor([5, 7, 9])
沿 dim=1 求和: tensor([ 6, 15])

例 3: keepdim を使用して次元を保持

実例

import torch

x = torch.tensor([[1, 2, 3], [4, 5, 6]])

# 次元を保持しない
sum1 = torch.sum(x, dim=0)
print("次元を保持しない:", sum1.shape)

# 次元を保持
sum2 = torch.sum(x, dim=0, keepdim=True)
print("次元を保持:", sum2.shape)
print(sum2)

出力結果は次のとおりです：

不保持维度: torch.Size([3])
保持维度: torch.Size([1, 3])
tensor([[5, 7, 9]])

例 4: ニューラルネットワークで損失を計算

実例
import torch

# 予測値と実際の値をシミュレート
predictions = torch.tensor([0.1, 0.9, 0.8, 0.3])
targets = torch.tensor([0.0, 1.0, 1.0, 0.0])

# 平均二乗誤差損失を計算
loss = torch.sum((predictions - targets) ** 2) / len(predictions)

print("MSE 損失:", loss.item())

出力結果は次のとおりです：

MSE 损失: 0.07499999690771103

Pytorch torch 参考手册Pytorch torch リファレンスマニュアル

その他の拡張