我试图在两个Tensor的列之间执行点积。我试图以最有效的方式做到这一点。然而，我的两种方法并不匹配。
我使用torch.sum(torch.mul(a, b), axis=0)的第一个方法给了我预期的结果，torch.einsum('ji, ji -> i', a, b)（取自Efficient method to compute the row-wise dot product of two square matrices of the same size in PyTorch）没有。可重复的代码如下：

import torch
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
torch.manual_seed(0)

a = torch.randn(3,1, dtype=torch.float).to(device)
b = torch.randn(3,4, dtype=torch.float).to(device)

print(f"a : \n{a}\n")
print(f"b : \n{b}\n")
print(f"Expected:    {a[0,0]*b[0,0] + a[1,0]*b[1,0] + a[2,0]*b[2,0]}")

c = torch.sum(torch.mul(a, b), axis=0)
print(f"sum and mul: {c[0].item()}")

d = torch.einsum('ji, ji -> i', a, b)
print(f"einsum:      {d[0].item()}\n")

print(torch.eq(c,d))

输出为：

注意：在CPU上（我所做的只是删除.to(device)），最后一行torch.eq(c,d)都是真的，但是，我需要Tensor在GPU上。
此外，对于一些种子，如torch.manual_seed(100)，Tensor相等…
我觉得它必须是与einsum的东西，因为我可以得到我的预期答案与其他方式。