如何对PyTorch张量执行reduce操作实现沿指定轴的bitwise_or运算

方案1：布尔张量场景极简实现 #

对于布尔类型张量来说，沿指定维度做bitwise_or等价于判断该维度下是否存在至少一个True，直接调用torch.any即可实现，运算效率最高：

import torch

# 构造示例输入：shape为(15,10)的布尔张量
input_tensor = torch.randint(0, 2, size=(15, 10), dtype=torch.bool)
# 沿axis=0维度做bitwise_or，输出shape为(10,)
output = input_tensor.any(dim=0)

方案2：通用场景实现（兼容布尔/整数类型张量） #

如果需要对齐numpy的np.bitwise_or.reduce的通用逻辑（同时支持整数、布尔类型张量的按位或规约），可以结合functools.reduce和张量拆维实现：

import torch
import operator
from functools import reduce

# 支持任意输入类型：bool/uint8/int32等均可
input_tensor = torch.randint(0, 255, size=(15, 10), dtype=torch.uint8)
# 沿axis=0维度做bitwise_or规约
output = reduce(operator.or_, input_tensor.unbind(dim=0))

说明：input_tensor.unbind(dim=0)会将输入张量沿第0维拆分为15个shape为(10,)的张量，reduce会逐次对所有拆分后的张量执行按位或操作，最终得到的结果和numpy的reduce接口输出完全一致。

内容的提问来源于stack exchange，提问作者bananagator