如何在 PyTorch 中调整张量的大小？

在 PyTorch 中，我们可以使用 view() 方法来调整张量的大小，其类似于 NumPy 中的 reshape() 方法。

1. 使用 view() 方法

import torch

# 创建一个 2x3 的张量
tensor = torch.tensor([[1, 2, 3], [4, 5, 6]])

# 调整为 3x2 的张量
new_tensor = tensor.view(3, 2)

print(new_tensor)

输出：

tensor([[1, 2],
        [3, 4],
        [5, 6]])

2. 使用 reshape() 方法

如果你熟悉 NumPy 的用法，可以使用 reshape() 方法来调整张量的大小。

import torch

# 创建一个 2x3 的张量
tensor = torch.tensor([[1, 2, 3], [4, 5, 6]])

# 调整为 3x2 的张量
new_tensor = tensor.reshape(3, 2)

print(new_tensor)

输出：

tensor([[1, 2],
        [3, 4],
        [5, 6]])

需要注意的是，view() 和 reshape() 方法都是返回一个新的张量，原始张量并没有发生改变。

3. 使用 unsqueeze() 和 squeeze() 方法

如果我们想在某一个维度上增加或者减少维度，可以使用 unsqueeze() 和 squeeze() 方法。

import torch

# 创建一个 2x3 的张量
tensor = torch.tensor([[1, 2, 3], [4, 5, 6]])

# 增加一个维度
new_tensor = tensor.unsqueeze(0)

print(new_tensor.shape)

# 减少一个维度
new_tensor = new_tensor.squeeze(0)

print(new_tensor.shape)

输出：

torch.Size([1, 2, 3])
torch.Size([2, 3])

我们使用 unsqueeze(0) 在第 0 维上增加了一个维度，然后再使用 squeeze(0) 将这个维度去除掉。

4. 使用 permute() 方法

如果我们想交换张量的维度顺序，可以使用 permute() 方法来调整张量的维度顺序。

import torch

# 创建一个 2x3 的张量
tensor = torch.tensor([[1, 2, 3], [4, 5, 6]])

# 调整维度顺序
new_tensor = tensor.permute(1, 0)

print(new_tensor)

输出：

tensor([[1, 4],
        [2, 5],
        [3, 6]])

我们使用 permute(1, 0) 来交换张量的维度顺序。

以上就是在 PyTorch 中调整张量大小的几种方法。