重新塑造数据--PyTorch中的“view”函数详解

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)

view函数允许您在保持元素数量不变的情况下，将张量压缩为一维张量或展开为更高维度的张量。上述代码首先创建了一个12的一维张量，将其展开为3*4的张量，并自动计算维度，将其变形为n行2列的张量。

3、增加或减少维度

x = torch.arange(6) 
y = x.view(2, 3) 
z = x.view(1, 2, 3) 

可以创建一个一维张量，通过view函数可以将其修改为总量不变的二维和三维张量。

4、与unsqueeze和squeeze结合使用

x = torch.arange(6) 
y = x.unsqueeze(0) 
z = y.view(2, 3) 
w = z.squeeze(0) 

view函数通常与unsqueeze（增加维度）和squeeze（减少维度）一起使用，以实现更复杂的形状操作。创建一个一维的张量，在维度0上增加一个维度，变成1*6的张量，后使用view函数变成为2*3的张量，在维度0上减少一个维度，变成2*3的张量。

三、特殊使用：参数-1

    def forward(self,x):
        x = self.conv1(x)
        x = self.conv2(x)
        x = self.conv3(x)
        x = x.view(x.size(0),-1)
        output = self.out(x)
        return output

在神经网络进行卷积操作时，经过多个卷积层的传递，最终输出为一个多维张量，view函数中通过-1参数可以将该多维张量直接展开为一维张量，并传递给输出层。

四、总结

view函数是一个强大的工具，可以用于调整张量的形状，但需要注意确保新形状与原始张量的元素数量兼容。此外，view操作不会复制或移动数据，而只会更改张量的元数据，因此在内存效率上是高效的。但请谨慎使用，特别是在与不连续的内存块操作时，可能会引发错误。