对于广播机制中两个张量按元素相加，要满足以下两个条件：
1、两个张量维度相同
2、每个张量的size里面要有一个维度为1
然后各自按照那个维度复制再按元素相加。
- 运行X >Y和X<Y后会返回一个全为bool的张量
返回结果分别为：
tensor([[False, False, False, False],
[ True, True, True, True],
[ True, True, True, True]])
和
tensor([[ True, False, True, False],
[False, False, False, False],
[False, False, False, False]])
2.使用3维张量运行
// 使用三维向量
a = torch.arange(3).reshape(3,1,1)
b = torch.arange(6).reshape(1,3,2)
a+b
如下为广播机制的分析：
import torch
import numpy as np
x = torch.rand(3,3)
xr1 = x.reshape(1,9)
xr9 = x.reshape(9,1)
print(id(x) == id(xr1))
print(id(x) == id(xr9))
print(id(x.storage()) == id(xr1.storage()))
print(id(x.storage()) == id(xr9.storage()))
results :
False
False
True
True
2.1.5 节省内存小节似乎可以提一下张量（tensor）的存储结构，这样可以更底层知道其是否共享存储。
除了1那个维度之外的维度必须相等。。。。。。。。。。。。
哦，我明白了，共享内存的意思不是说地址一样，而是说一个改变会引起另一个改变？
满足广播的条件：需要两个张量的每个维度满足以下条件：
a.这两个维度的大小相等
b. 某个维度 一个张量有，一个张量没有
c.某个维度 一个张量有，一个张量也有但大小是1个人见解：我看了一下两个reshape()的API说明，reshape提供两种参数接收方式，也就是说有重载。一种是直接接收数据 reshape(self, *shape: _int)，也就是以reshape(3,4)的形式，一种是sequence的形式reshape(self, shape: Sequence[Union[_int, SymInt]])，这种就是((3,4))
这里torch.arange(3)生成的不也是tensor对象吗，两者有什么区别吗，还是不明白x.reshape(3,4)和x.reshape((3,4))有什么区别 
三峡刘战来也[quote=“goldpiggy, post:1, topic:1747, full:true”]
https://zh.d2l.ai/chapter_preliminaries/ndarray.html
[/quote]
可以参考 
：
广播机制规则：
- 如果遵守以下规则，则两个tensor是“可广播的”：
- 每个tensor至少有一个维度；
- 遍历tensor所有维度时，从末尾随开始遍历，两个tensor存在下列情况：
- tensor维度相等。
- tensor维度不等且其中一个维度为1。
- tensor维度不等且其中一个维度不存在。
- 如果两个tensor是“可广播的”，则计算过程遵循下列规则：
- 如果两个tensor的维度不同，则在维度较小的tensor的前面增加维度，使它们维度相等。
- 对于每个维度，计算结果的维度值取两个tensor中较大的那个值。
- 两个tensor扩展维度的过程是将数值进行复制。
2 Likes
我之前找到的形式上的规律是： 两个张量总是在两轴间成对出现x,1和1,x形式，然后对1的轴做广播；其他轴若不能配对则应该保持大小相同。 
还是你这个规则全面。
-
运行本节中的代码。将本节中的条件语句
X == Y更改为X < Y或X > Y，然后看看你可以得到什么样的张量。X = torch.arange(12, dtype=torch.float32).reshape((3,4))
Y = torch.tensor([[2.0, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])
X > Y
输出：
tensor([[False, False, False, False],
[ True, True, True, True],
[ True, True, True, True]])
- 用其他形状（例如三维张量）替换广播机制中按元素操作的两个张量。结果是否与预期相同？
a = torch.arange(20).reshape((5,1,4))
b = torch.arange(48).reshape((6,2,4))
(a+b).shape
RuntimeError: The size of tensor a (5) must match the size of tensor b (6) at non-singleton dimension 0
a = torch.arange(30).reshape((2,3,1,5))
b = torch.arange(60).reshape((3,4,5))
(a+b).shape
torch.Size([2, 3, 4, 5])
广播机制条件：
1）每个张靓至少为1维
2）从后往前比张量形状，维度大小要么相等，要么其中一个等于1，要么其中一个不存在
例： 2 3 1 5 3 4 5 5比5，1比4，3比3 可以广播