a = torch.tensor([2., 3.], requires_grad=True)
le=torch.tensor([[2., 3.],[1,1]], requires_grad=True)
#print(le+3)
print(le+a)
似乎采取了自动扩充的策略，把0维扩成1维，1维扩成2维的。比如上面的结果，输出：
tensor([[4., 6.],
        [3., 4.]], grad_fn=<AddBackward0>)
【 在 feng321 的大作中提到: 】
: import torch
: a = torch.tensor([2., 3.], requires_grad=True)
: b = a + 3
: ...................
--
FROM 120.242.253.*

慌啥。规则定义清楚就没事。
复习一下高等数学。

【 在 feng321 的大作中提到: 】
: import torch
: a = torch.tensor([2., 3.], requires_grad=True)
: b = a + 3
: print(b)
: 这里，输出：tensor([5., 6.], grad_fn=<AddBackward0>)
: 我就不明白，维数不同的两个张量（分别是0维和1维的），也能相加吗？那是不是说，任意的两个维度的张量，都可以相加？那不是乱套了吗？大佬，解释一下？
--
FROM 27.38.197.*

原因就是方便写程序。

另外就是为了和numpy语法保持一致，numpy把这特性叫broadcasting，是写在文档里的
，是feature，不是什么不可理解的东西或bug。

【 在 feng321 的大作中提到: 】
: import torch
: a = torch.tensor([2., 3.], requires_grad=True)
: b = a + 3
: ...................
--
FROM 58.33.81.*

好奇，你这里讲的“虚数”，是指如 100j 这样的纯虚数？还是指 12+100j这样的虚数？
【 在 vabc3 的大作中提到: 】
: python传统艺能，看个更离谱的numpy.r_：
: If slice notation is used, the syntax start:stop:step is equivalent to np.arange(start, stop, step) inside of the brackets. However, if step is an imaginary number (i.e. 100j) then its integer portion is interpreted as a number-of-points desired and the start and stop are inclusive. In other words start:stop:stepj is interpreted as np.linspace(start, stop, step, endpoint=1) inside of the brackets. After expansion of slice notation, all comma separated sequences are concatenated together.
: 第三个参数step可以是实数也可以是虚数：实数表示步长，虚数的时候去掉j表示总共要多少步。
--
FROM 120.242.253.*

        数学本来就是不断发展的

        19世纪之前还没有线性代数和矩阵呢

        numpy这套用法是学统计语言s和r的

【 在 feng321 的大作中提到: 】
: 数学上没有这么写的。数学上，一般矩阵都用大写字母表示，比如X+3E，E必须写，否则算错。这个框架，他自己定义了一套东西。我看理解成“加常量乘单位阵”，不如理解成扩充，就是将3扩充成和X相同维度的张量
--
修改:roy FROM 114.253.33.*
FROM 114.253.33.*