重新塑造数据--PyTorch中的“view”函数详解

PyTorch中的view函数：张量形状变换与神经网络应用
最新推荐文章于 2025-10-16 10:27:13 发布
原创 最新推荐文章于 2025-10-16 10:27:13 发布 · 1.6k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch #人工智能 #python

本文介绍了PyTorch中的view函数，用于改变张量形状而保持数据不变，适用于深度学习任务如CNN。它能压缩、展开、增加或减少维度，并与unsqueeze和squeeze配合使用。尤其在神经网络中处理多维输出时，view的灵活性和内存效率至关重要。

目录

一、概述

二、view函数多种应用

1、改变张量的形状

2、压缩和展开张量

3、增加或减少维度

4、与unsqueeze和squeeze结合使用

三、特殊使用：参数-1

四、总结

一、概述

view 函数是PyTorch中用于改变张量（tensor）形状的方法之一。它允许您重新排列张量的维度和大小，但不改变张量中的数据，类似于numpy中的reshape，重新定义矩阵的形状。

view 操作只是改变张量的元数据，而不会复制张量中的数据。这意味着它非常高效，不会占用额外的内存，因为它与原始张量共享相同的数据存储。在深度学习中，view 函数通常用于整理数据以适应神经网络的输入或输出要求。例如，卷积神经网络（CNN）中，通常需要将图像数据整理为特定的形状，以便输入到网络中。

二、view函数多种应用

1、改变张量的形状
x = torch.arange(12).reshape(3, 4) 
y = x.view(2, 6)

从一个多维张量变成另一个多维张量，只要新形状的元素数量与原始张量的元素数量一致。该案例创造一个3*4的张量(矩阵)，通过view函数将该张量修改2*6，但总的大小不改变。

2、压缩和展开张量
x = torch.arange(12)  
y = x.view(3, 4) 
z = x.view(-1, 2)
最低0.47元/天 解锁文章
AI_dataloads
关注
YOLOv1代码分析——pytorch版保姆级教程
chase
03-17 1万+
YOLOv1代码分析——pytorch版保姆级教程
LLMOS与元宇宙：虚实融合的未来世界
AI天才研究院
08-23 1155
在当今数字时代,我们正站在技术革命的风口浪尖。随着人工智能和虚拟现实技术的飞速发展,两个引人注目的概念正在重塑我们与数字世界的交互方式：LLMOS(大型语言模型操作系统)和元宇宙。这两个看似独立的技术领域,正在以令人惊叹的速度融合,为我们勾勒出一个虚实交织的未来世界蓝图。LLMOS,作为一种新型的操作系统范式,以大型语言模型为核心,旨在revolutionize我们与计算机系统的交互方式。它不再局限于传统的图形用户界面和命令行接口,而是通过自然语言理解和生成,为用户提供更直观、更智能的操作体验。
关于Pytorch中view函数的使用
01-06
If you are viewing collapsing non-neighboring dimensions, you are interleaving the pixels. You could try it on an image tensor and your result should be interleaved. 注意，在使用view函数的时候一定要配合permute函数使用，类似 patches = patches.contiguous().view(B, C, -1, kernel_size*kernel_size) print(patches.shape) # [B,
【Pytorch】：x.view() view()方法的使用
极歌科技
07-20 5127
在pytorch当中，我们经常会用到x.view()方法来进行数据维度的变化，但是这个方法具体该如何使用呢？ 下面我来记录一下笔记： 一.按照传入数字使数据维度进行转换 首先，我们可以传入我们想要的维度，然后按照传入的数字对数据进行维度变化。比如，x.view()当中可以放入列表或者是单个数字，比如我们有代码先生成一个3*2维度的tensor矩阵，那么我们的代码可以写成x.view(3,2) 也...
PyTorch 中view()的用法
最新发布
qq_41800917的博客
10-16 430
PyTorch中的view()方法用于改变张量形状而不改变数据，具有以下特点：1）共享原数据存储；2）要求内存连续；3）必须保持元素总数不变。常见用途包括形状变换（如2x3变3x2）、自动计算维度（使用-1）、展平张量等。与reshape不同，view要求内存连续，若需转置应先调用contiguous()。该操作高效且影响原数据，广泛应用于深度学习中的批次处理、特征图变换和展平数据等场景。
pytorch张量维度变换详解：view、squeeze、transpose
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
09-15 4713
Pytorch中的view函数主要用于Tensor维度的重构，即返回一个有相同数据但不同维度的Tensor。view函数的操作对象是Tensor类型，返回的对象类型也为Tensor类型。
pytorch--view函数用法
weixin_41978551的博客
12-16 6666
在pytorch中view函数的作用为重构张量的维度，相当于numpy中resize（）的功能 1. torch.view(参数1,参数2…) >>> import torch >>> t1 = torch.tensor([1,2,3,4,5,6]) >>> result = tt1.view(3,2) >>> result tensor([[1, 2], [3, 4], [5, 6]]) 创建一个6维
Pytorch---view()函数
MzKyle的博客
05-20 1863
PyTorch中的view函数用于重塑张量的形状，同时保持元素总数不变。其语法为tensor.view(*args)，其中*args为新形状。view支持降维、升维操作，并允许使用-1自动推断维度。该函数要求张量内存连续，否则需先调用contiguous()。与reshape相比，view返回原张量的视图，不进行数据拷贝，性能更高，但要求张量连续；reshape则更灵活，自动处理非连续张量，但可能产生拷贝。view常用于深度学习模型中调整张量形状，如在全连接层和卷积层之间过渡时。使用时需确保新形状的元素总数
YOLOV1 损失函数计算 解读
shenjianhua005的专栏
02-03 2002
本文是认真研读loss.py后自己的理解，如有理解错了，还请指正，感谢~ 文中指的cell就是指划分的小单元格 完整github:https://github.com/motokimura/yolo_v1_pytorch.git 损失函数定义： https://towardsdatascience.com/yolov1-you-only-look-once-object-detection-e1f3ffec8a89 Loss主要包括(x,y),(w,h) ,c 类别，四个loss，其中又分为包含o
【机器学习作业解决方案】：吴恩达课程Pytorch项目深度剖析（专家级解读）
本文综述了吴恩达课程与Pytorch项目中的深度学习理论与实践。第一章概括了吴恩达课程与Pytorch项目概况，为后续章节的学习奠定基础。第二章深入探讨了深度学习的基础理论，包括神经网络核心概念、损失函数与优化算法...
详解Pytorch中的view函数
信小海
11-28 1万+
详解Pytorch中的view函数，通俗易懂！
【深度学习pytorch-12】view函数
m0_69378371的博客
02-15 1621
view。
Pytorch中view函数详解和工程实战示例
qq_36812406的博客
06-12 1375
view()特性view()功能改变张量形状是否拷贝数据否（更高效）内存要求连续（需 .contiguous()）支持 -1 吗支持自动推断。
Pytorch基础函数（二）变形函数——view()与view_as()
热门推荐
ADwenwen的博客
04-02 1万+
view()函数是用于对Tensor(张量)进行形状变化的函数，如一个Tensor的size是3x2，可以通过view()函数将其形状转为2x3。 但是需要注意的是进行操作的张量必须是contiguous()的，即在在内存中连续的。（不连续可以使用tensor.contiguous()操作转为连续）。 一、view()函数基本操作 函数定义：view(*args) [Ps:...
pytorch之view函数
大脸猫的博客
07-27 1632
改变形状 注意 view() 返回的新tensor与源tensor共享内存（其实是同⼀个tensor），也即更改其中的⼀个，另 外⼀个也会跟着改变。(顾名思义，view仅是改变了对这个张量的观察角度) 代码： x = torch.FloatTensor([[1, 2, 3], [2, 3, 4], [3, 4, 5], [4, 5, 6], [5, 6, 7]]) y = x.view(15) z = y.view(-1, 5) 输出： torch.Size([5, 3]) torch..
【PyTorch】PyTroch中.view()函数的详细使用方法
开水的博客
08-08 1万+
PyTorch中的.view()函数是一个用于改变张量形状的方法。它类似于NumPy中的.reshape()函数，可以通过重新排列张量的维度来改变其形状，而不改变张量的数据。在深度学习中，.view()函数常用于调整输入数据的形状以适应模型的输入要求，或者在网络层之间传递数据时进行形状的转换。.view()函数的语法如下，shape是一个整数元组，用于指定新的张量形状，新形状的元素个数必须与原形状的元素个数相同。函数返回一个具有指定形状的新张量，但与原始张量共享数据存储，因此它们指向相同的内存区域。
PyTorch中的view的用法
hello_program_world的博客
08-31 588
在PyTorch中view函数作用为重构张量的维度，相当于numpy中的resize()的功能，但是用法不太一样 import torch tt1=torch.tensor([-0.3623,-0.6115,0.7283,0.4699,2.3261,0.1599]) 则tt1.size()为torch.Size([6])，是一个一行的tensor。现在通过view可以将其重构一下形状。 result=tt1.view(3,2) result tensor([[-0.3623.
Pytorch view函数讲解
ding_programmer的博客
04-06 1191
view()函数作用和reshape函数类似，就是对tensor的shape进行调整，可以通过view函数将tensor的shape调整成一个你希望的样子。 import torch torch.manual_seed(2) a=torch.randn(4,5) print(a) print(a.view(-1,2)) # 此时 -1，代表默认值，代表根据后面的列数来计算行数 ''' a ...
PyTorch中view的用法
m0_37347812的博客
04-12 250
参考：PyTorch中view的用法
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值