• Tensor Broadcast
  • Broadcast规则
  • Broadcast示例
  • PyTorch Broadcast API
  • 参考文献

Tensor Broadcast

两个不同形状的矩阵进行（element-by-elemnet）算术运算时，更小维度的矩阵通过Broadcast变成与更大维度矩阵相同的形状。底层通过算法实现，不会进行数据拷贝。

例如：

a = torch.tensor([1, 2, 3])
b = torch.tensor(2)
a * b

tensor([2, 4, 6])

Broadcast规则

从右向左比较Tensor的维度

• 如果维度相同，保持不变
• 如果一个维度为1，进行stretch操作
• 如果维度不同，则运行错误

Broadcast示例

a = torch.tensor([[ 0,  0,  0],
                  [10, 10, 10],
                  [20, 20, 20],
                  [30, 30, 30]])
b = torch.tensor([1, 2, 3])
a + b

tensor([[ 1,  2,  3],
        [11, 12, 13],
        [21, 22, 23],
        [31, 32, 33]])

a = torch.tensor([[ 0], [10], [20], [30]])
b = torch.tensor([1, 2, 3])
a * b

tensor([[ 0,  0,  0],
        [10, 20, 30],
        [20, 40, 60],
        [30, 60, 90]])

维度不同：

PyTorch Broadcast API

torch.broadcast_tensors()

x = torch.arange(3).view(1, 3)
y = torch.arange(2).view(2, 1)

torch.broadcast_tensors(x, y)

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

torch.broadcast_to()

x = torch.arange(3)
torch.broadcast_to(x, (3, 3))

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

参考文献

• Numpy Broadcasting
• https://jakevdp.github.io/PythonDataScienceHandbook/02.05-computation-on-arrays-broadcasting.html