PyTorch是否有内置函数将1D张量转为满足x[i]-x[j]的2D张量？

嘿，作为刚入门深度学习的同学，这个需求其实在PyTorch里用广播机制就能非常简洁地实现，而且不需要额外的专用内置函数（当然也可以用更底层的操作，但广播是最直观高效的方式）。

直接上代码示例：

import torch

# 定义你的1-D tensor
x = torch.tensor([1, 2])
# 利用广播实现x[i] - x[j]的矩阵
y = x.unsqueeze(1) - x.unsqueeze(0)

print(y)
# 输出结果：
# tensor([[ 0,  1],
#         [-1,  0]])

简单解释一下原理： #

• x.unsqueeze(1)会把原本形状为(2,)的1-D tensor转换成列向量，形状变为(2, 1)
• x.unsqueeze(0)则把它转换成行向量，形状变为(1, 2)
• PyTorch的广播机制会自动把这两个tensor扩展成相同的(2, 2)形状，然后逐元素相减，正好得到你需要的y[i][j] = x[i] - x[j]的结果

这种方式不仅代码简洁，而且底层是PyTorch优化过的张量运算，比手动写Python循环高效得多，哪怕处理更大尺寸的tensor也能保持良好性能。

内容的提问来源于stack exchange，提问作者Newbie1111