pytorch 改变tensor尺寸的实现
改变Tensor尺寸的操作
1.tensor.view
tensor.view方法，可以调整tensor的形状，但必须保证调整前后元素总数一致。view不会改变自身数据，返回的新的tensor与源tensor共享内存，即更改其中一个，另外一个也会跟着改变。
例：
In：importtorchast a=t.arange(0,6) a.view(2,3) Out：tensor([[0,1,2], [3,4,5]]) In：b=a.view(-1,3)#当某一维为-1的时候，会自动计算它的大小 Out：tensor([[0,1,2], [3,4,5]])
2.tensor.unsqueeze和tensor.squeeze
tensor.unsqueeze和tensor.squeeze分别用于增加或减少tensor的某一维度。
例：
In：b.unsqueeze(1)#注意形状，在第1维（下标从0开始）上增加“1” Out：tensor([[[0,1,2]], [[3,4,5]]]) In：b.unsqueeze(-2)#-2表示倒数第二个维度 Out：tensor([[[0,1,2]], [[3,4,5]]]) In：c=b.view(1,1,1,2,3) c.unsqueeze(0)#压缩第0维的“1” Out：tensor([[[[[[0,1,2], [3,4,5]]]]]]) In：c.squeeze()#把所有维度为“1”的压缩 Out：tensor([[0,1,2], [3,4,5]]) In：a[1]=100 b#a和b共享内存，修改了a，b也变了 Out：tensor([[0,100,2], [3,4,5]])
3.tensor.resize
tensor.resize是另外一种可以调整tensor尺寸的方法，但与view不同，它可以修改tensor的尺寸。如果新尺寸超过了原尺寸，会自动分配新的内存空间；如果新尺寸小于原尺寸，则之前的数据依旧会保存
例：
In：b.resize_(1,3) Out：tensor([[0,100,2]]) In：b.resize_(3,3)#旧的数据依旧保存着，多出的数据会分配新空间 Out：tensor([[0,100,2], [3,4,5], [0,0,2323344073926471279]])
以上这篇pytorch改变tensor尺寸的实现就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。