在PyTorch中，张量大小前面的"*"运算符是用来展开张量的。

Question

4

我现在正在学习如何在PyTorch中构建神经网络。下面是从.py文件中剪切出来的代码：

x = torch.unsqueeze(torch.linspace(-1, 1, 1000), dim=1)
y = x.pow(2) + 0.1*torch.normal(torch.zeros(*x.size()))

我对在x.size()之前使用*运算符的效用感到困惑。我尝试删除它并绘制散点图，结果证明与未删除*的图形相同。

我还查看了https://pytorch.org/docs/stable/tensors.html中size的官方文档，但是我无法理解。

如果您能帮忙，我将不胜感激。

- YOLOv4

2个回答

2

*在这里不影响结果的原因是因为torch.zero接受可变数量的参数和类似列表或元组的集合，如此处所述。这并不意味着*本身是无用的。

然后，由于torch.Size()类是python元组的子类，因此可以使用*对其进行解包。（x.size()将返回一个torch.Size()对象）

因此，总之，x.size()将给您(1000, 1)，而*x.size()在参数中将给您1000, 1，两者都被torch.zeros()接受。

- Crystina

你的回答非常精确清晰！非常感谢！ - YOLOv4

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Ondrej K. · Accepted Answer

*在Python中的使用方式表示（参数）解包。当你将它前置于一个可迭代对象（即x.size()返回的内容）时，它会解包并将其项作为位置参数传递给函数。例如：

def f(a1, a2):
    print(a1, a2)

f(*["Hello", "World"])

你可以查看另一个示例和更详细的描述的文档链接。