摘要：
最近发现一个在torch中容易混淆的问题：importnumpyasnpimporttorchx1=torch.tensor([[1,2,3],[0,1,2]])x2=torch.tensor([[2,3,4],[2,4,1]])x11=np.array([[1,2,3],[0,1,2]])x22=np.array([[2,3,4],[2,4,1]])print(x1+x2)print(x11+x
最近发现一个在torch中容易混淆的问题：
importnumpy as np importtorch x1 = torch.tensor([[1,2,3],[0,1,2]]) x2 = torch.tensor([[2,3,4],[2,4,1]]) x11 = np.array([[1,2,3], [0,1,2]]) x22 = np.array([[2,3,4],[2,4,1]]) print(x1+x2) print(x11+x22) >>>tensor([[3, 5, 7], [2, 5, 3]]) [[3 5 7] [2 5 3]] print(sum(x1,x2)) print(sum(x11,x22)) >>>tensor([[3, 6, 9], [3, 7, 6]]) [[3 6 9] [3 7 6]] print(sum([x1,x2])) print(sum([x11,x22])) >>>tensor([[3, 5, 7], [2, 5, 3]]) [[3 5 7] [2 5 3]] print(torch.add(x1,x2)) >>>tensor([[3, 5, 7], [2, 5, 3]])
也就是说，假如需要把两个或多个tensor逐元素求和，则需要使用python自带的sum函数，但一定要注意要把这些tensor变成列表，否则直接用sum(a,b)也能得到对应维度的结果，但并不是
想要的正确结果