pytorch reshape（三）

最新推荐文章于 2025-06-24 09:46:12 发布

彩云的笔记

最新推荐文章于 2025-06-24 09:46:12 发布

阅读量461

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签： pytorch 深度学习 python

本文链接：https://blog.youkuaiyun.com/CAIYUNFREEDOM/article/details/120845855

深度学习专栏收录该内容

57 篇文章

订阅专栏

这段代码展示了如何在PyTorch中创建一个3x4的张量，并进行了尺寸查询、元素数量计算、张量重塑以及单轴挤压等操作。通过reshape、squeeze和unsqueeze等函数，理解张量形状变化对数据组织的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

>>> t = torch.tensor([[1,1,1,1],[2,2,2,2],[3,3,3,3]], dtype= torch.float32)
>>>
>>> t
tensor([[1., 1., 1., 1.],
[2., 2., 2., 2.],
[3., 3., 3., 3.]])
>>> t.size()
torch.Size([3, 4])
>>> t.shape()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'torch.Size' object is not callable
>>> t.shape
torch.Size([3, 4])
>>>
>>>
>>> len(t.shape)
2
>>> torch.tensor(t.shape).prod()
tensor(12)
>>> t.numel()
12
>>> t
tensor([[1., 1., 1., 1.],
[2., 2., 2., 2.],
[3., 3., 3., 3.]])
>>> t.reshape(2,2,3)
tensor([[[1., 1., 1.],
[1., 2., 2.]],

[[2., 2., 3.],
[3., 3., 3.]]])
>>> t.shape
torch.Size([3, 4])
>>> t.size()
torch.Size([3, 4])
>>> t = t.reshape(2,2,3)
>>> t.shape
torch.Size([2, 2, 3])
>>> torch.tensor(t.shape).prod()
tensor(12)
>>> t.numel()
12
>>> t.reshape(1,12).squeeze()
tensor([1., 1., 1., 1., 2., 2., 2., 2., 3., 3., 3., 3.])
>>> t.reshape(1,12).squeeze().shape
torch.Size([12])
>>> t.reshape(1,12).squeeze()
tensor([1., 1., 1., 1., 2., 2., 2., 2., 3., 3., 3., 3.])
>>> t.reshape(1,12).squeeze().unsqueeze(dim=0)
tensor([[1., 1., 1., 1., 2., 2., 2., 2., 3., 3., 3., 3.]])