Когда PyTorch автоматически разыгрывает Tensor dtype?

Question

Когда PyTorch автоматически разыгрывает Tensor dtype? Почему иногда он делает это автоматически, а иногда выдает ошибку?

Например, это автоматически переводит c в число с плавающей точкой:

a = torch.tensor(5)    
b = torch.tensor(5.)
c = a*b 

a.dtype
>>> torch.int64

b.dtype
>>> torch.float32

c.dtype
>>> torch.float32

Но это выдает ошибку:

a = torch.ones(2, dtype=torch.float)   
b = torch.ones(2, dtype=torch.long)    
c = torch.matmul(a,b)

Traceback (most recent call last):

  File "<ipython-input-128-fbff7a713ff0>", line 1, in <module>
    torch.matmul(a,b)

RuntimeError: Expected object of scalar type Float but got scalar type Long for argument #2 'tensor'

Я в замешательстве, поскольку Numpy, по-видимому, автоматически приводит все массивы по мере необходимости, например.

a = np.ones(2, dtype=np.long)
b = np.ones(2, dtype=np.float)

np.matmul(a,b)
>>> 2.0

a*b
>>> array([1., 1.])

Answer 1

Похоже, что команда PyTorch работает над этими типами проблем, см. эту проблему . Кажется, что некоторое базовое обновление уже реализовано в 1.0.0 в соответствии с вашим примером (вероятно, для перегруженных операторов, пробовал некоторые другие, такие как «//» или дополнение, и они работают нормально), хотя не нашел какого-либо доказательства этого (например, вопрос github или информация в документации). Если кто-то найдет это (неявное приведение torch.Tensor для различных операций), пожалуйста, оставьте комментарий или другой ответ.

Этот выпуск является предложением по продвижению шрифтов, поскольку вы можете видеть, что все они еще открыты.