如何对维度部分匹配的两个张量执行逐元素相乘？

你提到的场景里，原代码的第三个None其实是多余的——张量A是1维的[16]，只需要扩展两个维度到[16,1,1]，就能和形状为[16,1,30,30]的B通过广播机制完成逐元素相乘。这里有几种更简洁的写法：

• 直接用索引扩展维度：

  result = A[:, None, None] * B
  

  这里[:, None, None]直接把A从[16]扩展为[16,1,1]，和B的维度匹配，广播规则会自动将其扩展到[16,1,30,30]完成相乘。

• 使用unsqueeze方法（可读性更强）：

  result = A.unsqueeze(-1).unsqueeze(-1) * B
  

  unsqueeze(-1)表示在最后一个维度后添加新维度，两次调用后A的形状变为[16,1,1]，效果和上面完全一致。

• 如果是PyTorch等框架，也可以用expand显式扩展（不过不如前两种简洁）：

  result = A.expand(-1, 1, 30, 30) * B
  

  -1表示保持原维度大小，后面的数值指定扩展后的维度，适合需要明确指定形状的场景。

本质上这些写法都是利用张量的广播机制，核心是让A的形状和B的形状在对应维度上满足广播条件（要么维度大小相同，要么其中一个为1）。

内容的提问来源于stack exchange，提问作者giladrv