在 Pytorch 中重塑张量

在 Pytorch 中，我们经常需要处理张量的形状以符合我们的需求。重塑张量（也称为变形或重新排列）是实现这一目的的一种方法。

语法

我们可以使用 view() 方法来重塑张量的形状。

语法如下：

new_tensor = tensor.view(shape)

其中，tensor 是我们要重塑的张量，shape 是一个元组，表示新张量的形状。

例子

import torch

# 创建一个 2 行 3 列的张量
tensor = torch.tensor([[1, 2, 3], [4, 5, 6]])

# 重塑成 3 行 2 列的张量
new_tensor = tensor.view((3, 2))

print("原张量：")
print(tensor)
print("重塑后的张量：")
print(new_tensor)

输出：

原张量：
tensor([[1, 2, 3],
        [4, 5, 6]])
重塑后的张量：
tensor([[1, 2],
        [3, 4],
        [5, 6]])

注意事项

在使用 view() 时，我们需要考虑输入张量和输出张量的元素数量是否相同。如果不同，将会抛出一个错误。这意味着我们不能随意地重塑张量的形状，而是需要根据实际需求进行计算。

另外，还有一种可选方法 reshape()，它与 view() 的作用相同。不同之处在于，reshape() 方法会始终返回一个新的张量，而 view() 方法仅当原始张量和新张量的大小相同时才不会创建新的张量。因此，如果我们知道新张量与旧张量的元素数量不同，最好使用 reshape() 方法来避免潜在的错误。