Pytork中[1,0]的尺寸范围是多少？

Question

所以我很难理解Pytorch中有关收藏的一些术语。我不断遇到同样的错误，关于我的张量的范围不正确，当我试图用谷歌搜索解决方案时，解释往往会更加混乱

以下是一个例子：

m = torch.nn.LogSoftmax(dim=1)
input = torch.tensor([0.3300, 0.3937, -0.3113, -0.2880])
output = m(input)

我没有发现上面的代码有任何错误，我已经定义了我的LogSoftmax来接受一维输入。因此，根据我对其他编程语言的经验，集合[0.3300, 0.3937, -0.3113, -0.2880]是一个单一维度

上述操作会为m(input)触发以下错误：

IndexError: Dimension out of range (expected to be in range of [-1, 0], but got 1)

这是什么意思

我传入了一个一维张量，但它告诉我它期望的是一个[-1, 0], but got 1范围

• 一系列什么
• 为什么将维度1与[-1, 0]进行比较时出错
• 这两个数字是什么意思

我搜索了这个错误的解释，发现像这样的链接对我这个程序员来说毫无意义：

https://github.com/pytorch/pytorch/issues/5554#issuecomment-370456868

因此，我能够通过向张量数据添加另一个维度来修复上述代码

m = torch.nn.LogSoftmax(dim=1)
input = torch.tensor([[-0.3300, 0.3937, -0.3113, -0.2880]])
output = m(input)

这是可行的，但我不明白[-1,0]如何解释嵌套集合

进一步的实验表明，以下方法同样有效：

m = torch.nn.LogSoftmax(dim=1)
input = torch.tensor([[0.0, 0.1], [1.0, 0.1], [2.0, 0.1]])
output = m(input)

所以dim=1意味着一个集合的集合，但我不明白这是什么意思[-1, 0]

当我尝试使用LogSoftmax(dim=2)

m = torch.nn.LogSoftmax(dim=2)
input = torch.tensor([[0.0, 0.1], [1.0, 0.1], [2.0, 0.1]])
output = m(input)

上面给出了以下错误：

IndexError: Dimension out of range (expected to be in range of [-2, 1], but got 2)

再次混淆dim=2等于[-2, 1]，因为1值来自哪里

我可以通过另一个级别的嵌套集合来修复上面的错误，但此时我不明白LogSoftmax期望的值是什么

m = torch.nn.LogSoftmax(dim=2)
input = torch.tensor([[[0.0, 0.1]], [[1.0, 0.1]], [[2.0, 0.1]]])
output = m(input)

我被这个术语[-1, 0]和[-2, 1]弄糊涂了

如果第一个值是嵌套深度，那么为什么它是负的，第二个数字是什么意思

没有与此错误相关的错误代码。所以很难找到关于这个主题的文档。这似乎是一个极其常见的错误，人们对此感到困惑，我在Pytorch文档中找不到任何专门讨论它的内容

Answer 1

当指定张量的维度作为函数的参数时（例如m = torch.nn.LogSoftmax(dim=1)），您可以使用正向维度索引，第一个维度从0开始，第二个维度从1开始，以此类推。
或者，您可以使用负维度索引从最后一个维度开始到第一个维度：-1表示最后一个维度，-2表示最后一个维度的第二个维度等

示例：
如果你有一个四维张量b-by-c-by-h-by-w，那么

• “批处理”维度（第一个）可以作为dim=0或dim=-4访问
• “通道”维度（第二个）可以作为dim=1或dim=-3访问
• “高度”/“垂直”维度（第三个）可以作为dim=2或dim=-2访问
• “宽度”/“水平”维度（第四个）可以作为dim=3或dim=-1访问

因此，如果您有一个4D张量dim，参数可以取值范围[-4, 3]

在您的例子中，您有一个1D张量，因此dim参数可以是威瑟尔0或-1（在这个不推荐的例子中，这相当于相同的维度）