pytorch学习(4)
维度变换
-
view & reshape
-
squeeze & unsqueeze
-
transpose & permute
-
expand & repeat
-
contiguous
view & reshape
view() 与 reshape() 的区别
- view() 只适用于满足连续性条件的tensor，且不会开辟新的内存空间
- reshape() 的返回值既可以是视图，也可以是副本，当曼珠连续性条件时返回 view() ，否则返回副本；且使用 reshape() 时，会开辟新的内存空间
- 故当不确定能否使用 view() 时，可以使用 reshape()
view()函数
import torch
a = torch.rand(4,3,32,32) #维度为4
b = a.view(4,3,32*32) #维度为3
c = a.view(4,-1) #维度为2,使用-1可进行省略缩进
print(a.shape)
print(b.shape)
print(c.shape)
torch.Size([4, 3, 1024])
torch.Size([4, 3072])
squeeze & unsqueeze
squeeze & unsqueeze 的功能时维度的减少 / 增加
squeeze()函数
- torch.squeeze(input,dim) 返回一个tensor
- 当dim不设置时，去掉input的所有为1的维度
- 当dim为整数时（0
import torch
a = torch.rand(1,1,2,2,5)
print(a.squeeze().shape)
print(a.squeeze(0).shape)
print(a.squeeze(1).shape)
print(a.squeeze(2).shape)
print(a.squeeze(-1).shape)
torch.Size([1, 1, 1, 2, 2, 5])
torch.Size([1, 1, 1, 2, 2, 5])
torch.Size([1, 1, 2, 1, 2, 5])
torch.Size([1, 1, 2, 2, 5, 1])
transpose & permute
transpose()函数
- transpose() 函数只能有两个相关的交换的位置参数
- 使用transpose() 函数的时候，tensor 自身不会改变，因此需要将结果重新赋值
import torch
a = torch.rand(2,3,32,32)
print(a.transpose(0,3).shape)
print(a.transpose(1,2).shape)
torch.Size([2, 32, 32, 3])
torch.Size([3, 32, 32, 2])
expand & repeat
expand()函数
- torch.expand() 返回 tensor 的一个视图，单个维度扩大为更大的维度，或者在第0维新增加一个维度来扩大为更高维
- 如果哪个维度为 -1，就是该维度不变
- 使用expand时，不会创建新的内存地址
repeat()函数
- torch.repeat() 会将 tensor 在指定的维度方向上进行重复，参数表示在不同的维度上重复的次数
- 使用repeat时，会重新赋值，重新创建新的内存地址进行占用
`python
import torch
a = torch.rand(1,1,32,32)
print(‘a的数据是：’,a.shape)
print(‘a的地址为：’,a.data_ptr())
b = a.expand(1,3,32,32)
print(‘b的数据是：’,b.shape)
print(‘b的地址为：’,b.data_ptr())
c = a.repeat(1,3,1,1)
print(‘c的数据是：’,c.shape)
print(‘c的地址为：’,c.data_ptr())
d = a.repeat(1,3,2,2)
print(‘d的数据是：’,d.shape)
print(‘d的地址为：’,d.data_ptr())
Original: https://www.cnblogs.com/311dih/p/16583853.html
Author: 叁_311
Title: Seven—pytorch学习—维度变换
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/566465/
转载文章受原作者版权保护。转载请注明原作者出处！