张量形状任意改！PyTorch reshape、transpose 操作超详细教程

系列文章目录

Pytorch基础篇

01-PyTorch新手必看：张量是什么？5 分钟教你快速创建张量！
02-张量运算真简单！PyTorch 数值计算操作完全指南
03-Numpy 还是 PyTorch？张量与 Numpy 的神奇转换技巧
04-揭秘数据处理神器：PyTorch 张量拼接与拆分实用技巧
05-深度学习从索引开始：PyTorch 张量索引与切片最全解析
06-张量形状任意改！PyTorch reshape、transpose 操作超详细教程
07-深入解读 PyTorch 张量运算：6 大核心函数全面解析，代码示例一步到位！
08-自动微分到底有多强？PyTorch 自动求导机制深度解析

Pytorch实战篇

09-从零手写线性回归模型：PyTorch 实现深度学习入门教程
10-PyTorch 框架实现线性回归：从数据预处理到模型训练全流程
11-PyTorch 框架实现逻辑回归：从数据预处理到模型训练全流程
12-PyTorch 框架实现多层感知机（MLP）：手写数字分类全流程详解

---

---

前言

在深度学习中，张量的形状操作是非常常见的需求。无论是为了适配网络层之间的数据传递，还是在数据处理过程中，都需要灵活地调整张量的形状。PyTorch 提供了丰富的函数用于调整张量的维度和形状。

---

一、reshape 函数

reshape 函数可以在保证张量数据不变的前提下，灵活地改变张量的形状。这在神经网络设计中经常被使用，用来适配不同网络层的数据传递需求。

1.1 示例代码

import torch

def example01():
    data = torch.tensor([[12, 24, 36], [48, 60, 72]])

    # 使用 shape 属性或者 size 方法获得张量的形状
    print("张量形状 (通过 shape)：", data.shape)
    print("张量形状 (通过 size)：", data.size())
    print('-' * 50)

    # 使用 reshape 函数修改张量形状
    reshaped_data = data.reshape(3, 2)
    print("reshape 后的张量形状：", reshaped_data.shape)
    print("reshape 后的张量：\n", reshaped_data)


if __name__ == '__main__':
    example01()

1.2 示例输出

张量形状 (通过 shape)<