PyTorch 部分函数与操作总结

Date 15

1. Table

• 1 zip()
• 2 Pytorch 中的函数小结
  • 2.0 连续(contiguous)
  • 2.1 transpose() 和 permute()
  • 2.2 view() 和 reshape()

1.1 zip()

函数是 Python 中的一个内置函数，用于将多个可迭代对象打包成一个元组的迭代器。

2. Pytorch 中的函数小结

2.0 连续(contiguous)

在 pytorch 中，张量是连续的是指张量存储在内存的方式————其数据在内存中的排列是按行顺序排列的，没有跳过任何数据间隙。

• is_contiguous() 和 contiguous()

is_contiguous() 用于判断张量是否是连续的；
contiguous() 可以重新开辟一块内存重新排列数据，使得张量按顺序存储。

2.1 transpose() 和 permute()

两个都是用于改变张量唯独顺序的操作，都只是改变张量的视图。

• transpose() 用于交换张良的两个维度。
  1. 用法: tensor.transpose(dim1, dim2)
• permute() 允许按照指定的顺序重新排列所有的维度。
  1. 用法: tensor.permute(*dims)

2.2 view() 和 reshape()

都用于改变张量的形状，有着不同的特点。

• view()

  1. 用法: tensor.view(new_shape)

  2. Note: 它要求张量必须是连续的，否者会报错。

• reshape()

  1. 用法: tensor.reshape(new_shape)

  2. reshape()不要求张量必须是连续的，如果张量是非连续的，它会尝试返回一个新的内存拷贝。