Pytorch中的广播机制（Broadcast）

1、

定义

PyTorch的

tensor

参数可以自动扩展其大小。一般的是小一点的会变大，来满足运算需求。

广播机制实际上是在运算过程中，去处理两个形状不同向量的一种手段。

理解：

核心:如果相加的两个数组的shape不同, 就会触发广播机制：

1）程序会自动执行操作使得A.shape==B.shape；

2）对应位置进行相加运算，结果的shape是：A.shape和B.shape对应位置的最大值，比如：A.shape=(1,9,4),B.shape=(15,1,4),那么A+B的shape是(15,9,4)

满足一下情况的tensor是可以广播的。

#像下面这种情况下就不行，因为x不满足这个条件。
x=torch.empty((0,))
y=torch.empty(2,2)

x=torch.empty(5,3,4,1)
y=torch.empty( 3,1,1)
#这两个是可以广播的

如上面代码中，首先将两个张量维度向右靠齐，从右往左看，(张量的维度要先从内部对齐)

两个张量第四维大小相等，都为1，满足上面条件a;

第三个维度大小不相等，但第二个张量第三维大小为1，满足上面条件b;

第二个维度大小相等都为3，满足上面条件a;

第一个维度第一个张量有，第二个张量没有，满足上面条件b，因此两个张量每个维度都符合上面广播条件，因此可以进行广播。

两个张量维度从右往左看，如果出现两个张量在某个维度位置上面，

维度大小不相等

，

且两个维度大小没有一个是1

，那么这两个张量一定

不能进行广播。

# 广播机制
a = torch.arange(3).reshape((3, 1))
 
b = torch.arange(2).reshape((1, 2))
print(a + b)

tensor([[0],
        [1],
        [2]])
tensor([[0, 1]])
-----------------------
tensor([[0, 1],
        [1, 2],
        [2, 3]])