【1】引言
前序文章中，已经学习了pytorch基本运算中的生成随机张量、生成多维张量，以及张量的变形、加减和广播运算。
今天的文章在之前学习的基础上，进一步探索。
前序文章链接为：
【2】广播失效
前序文章在最后给出了广播运算的基础代码：
python
# 导入包
import torch
# 生成多为维张量
y=torch.tensor([1,2,3])
z=torch.tensor([
[3],
[2],
[1]
])
#打印
print('y=',y)
print('z=',z)
#
a=y+z
print('a=',a)在这个项目中，行向量y会沿着行广播（复制），列向量z会沿着列广播（复制），实际运行效果和下述代码一样：
python
# 导入包
import torch
# 生成多为维张量
y=torch.tensor([[1,2,3],
[1,2,3],
[1,2,3]])
z=torch.tensor([
[3,3,3],
[2,2,2],
[1,1,1]
])
#打印
print('y=',y)
print('z=',z)
#
a=y+z
print('a=',a)实际运行后的效果为：
++图1 广播运行效果++
但实际上，如果稍微修改代码，就会有广播失效的情况：
python
# 导入包
import torch
# 生成多为维张量
y=torch.tensor([[1,2,3,1],
[1,2,3,1],
[1,2,3,1]])
z=torch.tensor([
[3,3,3],
[2,2,2],
[1,1,1]
])
#打印
print('y=',y)
print('z=',z)
#
a=y+z
print('a=',a)上述代码运行后，会直接报错：
a=y+z
~^~
RuntimeError: The size of tensor a (4) must match the size of tensor b (3) at non-singleton dimension 1
这里报错的意思是：在非单例维度1上，第一个矩阵a有4个数，第二个矩阵b有3个数，无法匹配。
在pytorch中，对于维度的规定是：
在竖直方向是第0维度， 代码中的y和z都有3行，匹配；
在水平方向是第1维度， 代码中的y和z分别有4列和3列，不匹配，无法广播。
需要注意到报错信息中，a(4)和b(3)是python语言报错的惯用写法，实际对应的就是y(4)和z(3)。
真实的不匹配来源是：**矩阵y有4列数据，矩阵z有3列数据，矩阵z既不可能每一列都复制一遍来广播，也不可能任选一列复制来广播，所以无法广播；但对于单独的一列，则没有这样的烦恼，直接每一列都复制即可。**比如下述代码：
python
# 导入包
import torch
# 生成多为维张量
y=torch.tensor([[1,2,3,1],
[1,2,3,1],
[1,2,3,1]])
z=torch.tensor([
[3],
[2],
[1]
])
#打印
print('y=',y)
print('z=',z)
#
a=y+z
print('a=',a)运行后的效果为：
++图2 单列多行广播运行效果++
上述情况是第1维度即列的原因造成的无法广播，如果修改第0维度即行来测试，有如下代码：
python
# 导入包
import torch
# 生成多为维张量
y=torch.tensor([[1,2,3,1],
[1,2,3,1],
[1,2,3,1]])
z=torch.tensor([
[3],
[2],
[1],
[1]
])
#打印
print('y=',y)
print('z=',z)
#
a=y+z
print('a=',a)代码运行后的报错为：
a=y+z
~^~
RuntimeError: The size of tensor a (3) must match the size of tensor b (4) at non-singleton dimension 0
和前述分析的原因一样：3行和4行不对应，无法广播。
矩阵y有3行数据，矩阵z有4行数据，矩阵y既不可能每一行都复制一遍来广播，也不可能任选一行复制来广播，所以无法广播。
【3】总结
探索了pytorch的基本运算中广播失效的情况及其原因。