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: import torch as t 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我们。
赞 (0)