在Pytorch中,[-1,0]的维数范围是多少?

所以我很难理解Pytorch中关于收藏的一些术语。我总是遇到同样的错误 范围 我的张量是不正确的,当我试图搜索一个解决方案时,解释往往更加混乱。

下面是一个例子:

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

我看不出上面的代码有什么问题,我已经定义了 LogSoftmax 接受一维输入。所以根据我对其他编程语言的经验 [0.3300, 0.3937, -0.3113, -0.2880] 是单一维度。

以上触发以下错误 m(input) :

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

那是什么意思?

我通过了一个 一维的 张量,但它告诉我 [-1, 0], but got 1 .

• 一系列什么?
• 为什么比较维度 1 到 [-1, 0] ?
• 这两个数字是什么 [-1,0] 意思是?

我为这个错误寻找了一个解释,我发现像这样的链接对于我作为一个程序员来说毫无意义:

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

所以我可以通过在张量数据中添加另一个维度来修复上面的代码。

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

好吧,但我不明白 [-1,0] 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 意思是收藏,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:

索引器错误:维度超出范围(应在范围[-2,1]内,但得到2)

又是困惑 dim=2 等于 [-2, 1] ,因为 1个 价值来自?

我可以通过 嵌套 收集另一个级别,但此时我不明白什么值 对数最大值 正在等待。

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

我被这个术语搞糊涂了 [-1,0] 和 [-2,1] ?

如果第一个值是嵌套深度,那么为什么 消极的 第二个数字是什么意思?

没有 错误代码 与此错误关联。所以很难找到关于这个问题的文件。似乎是 极其 常见的错误人们会感到困惑,我在Pythorch文档中找不到专门讨论它的任何东西。