如何在 PyTorch 中对张量执行元素级加法？

我们可以使用 **torch.add()** 在 PyTorch 中对张量执行元素级加法。它将张量的对应元素相加。我们可以将标量或张量添加到另一个张量。我们可以添加具有相同或不同维度的张量。最终张量的维度将与更高维度张量的维度相同。

步骤

• 导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 **torch**。确保您已安装它。

• 定义两个或多个 PyTorch 张量并打印它们。如果要添加标量，请定义它。

• 使用 **torch.add()** 将两个或多个张量相加，并将值赋给一个新变量。您还可以将标量添加到张量中。使用此方法添加张量不会对原始张量进行任何更改。

• 打印最终张量。

示例 1

以下 Python 程序演示了如何将标量添加到张量中。我们看到了三种执行相同任务的不同方法。

# Python program to perform element-wise Addition
# import the required library
import torch

# Create a tensor
t = torch.Tensor([1,2,3,2])
print("Original Tensor t:\n", t)

# Add a scalar value to a tensor
v = torch.add(t, 10)
print("Element-wise addition result:\n", v)

# Same operation can also be done as below
t1 = torch.Tensor([10])
w = torch.add(t, t1)
print("Element-wise addition result:\n", w)

# Other way to perform the above operation
t2 = torch.Tensor([10,10,10,10])
x = torch.add(t, t2)
print("Element-wise addition result:\n", x)

输出

Original Tensor t:
tensor([1., 2., 3., 2.])
Element-wise addition result:
tensor([11., 12., 13., 12.])
Element-wise addition result:
tensor([11., 12., 13., 12.])
Element-wise addition result:
tensor([11., 12., 13., 12.])

示例 2

以下 Python 程序演示了如何添加 1D 和 2D 张量。

# Import the library
import torch

# Create a 2-D tensor
T1 = torch.Tensor([[1,2],[4,5]])

# Create a 1-D tensor
T2 = torch.Tensor([10]) # also t2 = torch.Tensor([10,10])
print("T1:\n", T1)
print("T2:\n", T2)

# Add 1-D tensor to 2-D tensor
v = torch.add(T1, T2)
print("Element-wise addition result:\n", v)

输出

T1:
tensor([[1., 2.],
         [4., 5.]])
T2:
tensor([10.])
Element-wise addition result:
tensor([[11., 12.],
         [14., 15.]])

示例 3

以下程序演示了如何添加 2D 张量。

# Import the library
import torch

# create two 2-D tensors
T1 = torch.Tensor([[1,2],[3,4]])
T2 = torch.Tensor([[0,3],[4,1]])
print("T1:\n", T1)
print("T2:\n", T2)

# Add the above two 2-D tensors
v = torch.add(T1,T2)
print("Element-wise addition result:\n", v)

输出

T1:
tensor([[1., 2.],
         [3., 4.]])
T2:
tensor([[0., 3.],
         [4., 1.]])
Element-wise addition result:
tensor([[1., 5.],
         [7., 5.]])

Shahid Akhtar Khan

更新于: 2021年11月6日

9K+ 次浏览

开启你的 职业生涯

通过完成课程获得认证

开始学习