对于 PyTorch 的基本数据对象 Tensor (张量)，在处理问题时，需要经常改变数据的维度，以便于后期的计算和进一步处理，本文旨在列举一些维度变换的方法并举例，方便大家查看。
维度查看：torch.Tensor.size()
查看当前 tensor 的维度
举个例子：
>>> import torch >>> a = torch.Tensor([[[1, 2], [3, 4], [5, 6]]]) >>> a.size() torch.Size([1, 3, 2])
张量变形：torch.Tensor.view(*args) → 来2源gaodaima#com搞(代@码&网Tensor
返回一个有相同数据但大小不同的 tensor。 返回的 tensor 必须有与原 tensor 相同的数据和相同数目的元素，但可以有不同的大小。一个 tensor 必须是连续的 contiguous() 才能被查看。
举个例子：
>>> x = torch.randn(2, 9)
>>> x.size()
torch.Size([2, 9])
>>> x
tensor([[-1.6833, -0.4100, -1.5534, -0.6229, -1.0310, -0.8038, 0.5166, 0.9774,
0.3455],
[-0.2306, 0.4217, 1.2874, -0.3618, 1.7872, -0.9012, 0.8073, -1.1238,
-0.3405]])
>>> y = x.view(3, 6)
>>> y.size()
torch.Size([3, 6])
>>> y
tensor([[-1.6833, -0.4100, -1.5534, -0.6229, -1.0310, -0.8038],
[ 0.5166, 0.9774, 0.3455, -0.2306, 0.4217, 1.2874],
[-0.3618, 1.7872, -0.9012, 0.8073, -1.1238, -0.3405]])
>>> z = x.view(2, 3, 3)
>>> z.size()
torch.Size([2, 3, 3])
>>> z
tensor([[[-1.6833, -0.4100, -1.5534],
[-0.6229, -1.0310, -0.8038],
[ 0.5166, 0.9774, 0.3455]],
[[-0.2306, 0.4217, 1.2874],
[-0.3618, 1.7872, -0.9012],
[ 0.8073, -1.1238, -0.3405]]])
可以看到 x 和 y 、z 中数据的数量和每个数据的大小都是相等的，只是尺寸或维度数量发生了改变。
压缩 / 解压张量：torch.squeeze()、torch.unsqueeze()
- torch.squeeze(input, dim=None, out=None)
将输入张量形状中的 1 去除并返回。如果输入是形如(A×1×B×1×C×1×D)，那么输出形状就为： (A×B×C×D)
当给定 dim 时，那么挤压操作只在给定维度上。例如，输入形状为: (A×1×B)，squeeze(input, 0) 将会保持张量不变，只有用 squeeze(input, 1)，形状会变成 (A×B)。
返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。
举个例子：
>>> x = torch.randn(3, 1, 2)
>>> x
tensor([[[-0.1986, 0.4352]],
[[ 0.0971, 0.2296]],
[[ 0.8339, -0.5433]]])
>>> x.squeeze().size() # 不加参数，去掉所有为元素个数为1的维度
torch.Size([3, 2])
>>> x.squeeze()
tensor([[-0.1986, 0.4352],
[ 0.0971, 0.2296],
[ 0.8339, -0.5433]])
>>> torch.squeeze(x, 0).size() # 加上参数，去掉第一维的元素，不起作用，因为第一维有2个元素
torch.Size([3, 1, 2])
>>> torch.squeeze(x, 1).size() # 加上参数，去掉第二维的元素，正好为 1，起作用
torch.Size([3, 2])
可以看到如果加参数，只有维度中尺寸为 1 的位置才会消失
- torch.unsqueeze(input, dim, out=None)
返回一个新的张量，对输入的制定位置插入维度 1
返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。
如果 dim 为负，则将会被转化 dim+input.dim()+1
接着用上面的数据举个例子：
>>> x.unsqueeze(0).size()
torch.Size([1, 3, 1, 2])
>>> x.unsqueeze(0)
tensor([[[[-0.1986, 0.4352]],
[[ 0.0971, 0.2296]],
[[ 0.8339, -0.5433]]]])
>>> x.unsqueeze(-1).size()
torch.Size([3, 1, 2, 1])
>>> x.unsqueeze(-1)
tensor([[[[-0.1986],
[ 0.4352]]],
[[[ 0.0971],
[ 0.2296]]],
[[[ 0.8339],
[-0.5433]]]])
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：PyTorch中Tensor的维度变换实现
转载请注明原文链接：PyTorch中Tensor的维度变换实现
