【pytorch】permute-contiguous-view函数

最新推荐文章于 2024-07-12 01:14:57 发布
原创 最新推荐文章于 2024-07-12 01:14:57 发布
· 847 阅读 · 2 ·
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 #深度学习 #人工智能

本文详细介绍了PyTorch中permute函数用于改变张量维度的顺序，指出其可能导致数据不连续。接着解释了contiguous函数的作用，即确保数据在内存中的连续存储，以满足view函数的要求。最后，阐述了view函数如何重塑张量，三者共同配合实现张量形状的灵活转换。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

var = input[0].permute(1, 0, 2, 3).contiguous().view([nch, -1]).var(1, unbiased=False)

pytorch中permute对tensor操作，返回的是对tensor的维度的变化，permeute之后数据的存储时不连续的，而view要求数据必须是连续存储的；

因此，permute之后要跟着contiguous函数，使得维度变换之后的数据在内存中的存储也是连续的，permute，contiguous以及view是固定的搭配的；

Pytorch详解-模型模块(RNN,CNN,FNN,LSTM,GRU,TCN,Transformer)
算法工程师
09-17 2009
Pytorch详解-模型模块(RNN,CNN,FNN,LSTM,GRU,TCN,Transformer)
PyTorch报CUDA error: no kernel image is available for execution on the device问题解决
m0_45275062的博客
08-03 2408
首先讲一下报错的原因PyTorch高版本对显卡算力是有所要求的，驱动程序只是从软件角度去利用显卡，显卡的算力是不会改变的，报错就在于显卡的算力太低。这里就涉及到了NVIDIA GPU CUDA的compute capability，这是一个类似版本的概念。不同型号的GPU的compute capability不同。 其次解决办法就是使用低版本的PyTorch,或者更换新显卡。目前官方列出的清单（GPU Compute Capability）上，较低的为2.1，都是较早的GPU型号，如：GT430, GT6
【input.view().permute().contiguous()】 Pytorch中tensor.view().permute().contiguous()函数理解
计算机视觉方面的点点滴滴，欢迎一起讨论
04-07 1907
文章目录1 何处用到2 view()3 permute()4 contiguous()5 感谢链接 1 何处用到 yolov3中有一行这样的代码，在此记录一下三个函数的含义 例子中batch_size为int，len(self.anchors_mask[i])=3，self.bbox_attrs=25(voc数据集)，input_height, input_width两个参数也均为int。 prediction = input.view(batch_size, len(self.anchors_mask[i
pytorch reshape_Pytorch之contiguous函数
weixin_39636898的博客
11-25 315
1 先看看官方中英文doc：torch1.1 contiguous() → TensorReturns a contiguous tensor containing the same data as self tensor. If self tensor is contiguous, this function returns the self tensor.1.2 contiguous() → ...
torch.permute方法使用，后需要加.contiguous()方法
qq_43369406的博客
04-07 2198
pytorch的permute方法用于调整矩阵的维度。同numpy的transpose()方法，但需要注意的是使用permute后需要使用contiguous方法。在PyTorch中，permute()方法可以重新排列张量的维度。但是，由于内存布局的原因，有时需要使用contiguous()方法来确保张量是连续的。如果张量不是连续的，则可能会导致一些操作失败。在这个例子中，我们使用permute()方法将第一个维度移动到最后一个维度。然后，我们使用contiguous()方法来确保张量是连续的。
【数据结构与算法】PyTorch中permute与contiguous对tensor结构进行变换
安静
07-24 878
contiguous()——把tensor变成在内存中连续分布的形式 需要变成连续分布的情况： contiguous：view只能用在contiguous的variable上。如果在view之前用了transpose, permute等，需要用contiguous()来返回一个contiguous copy。 import torch import numpy as np def mai...
Pytorch之permute函数
qq_43489708的博客
06-06 1252
1 先看看官方中英文doc： 1.1 permute(dims)将tensor的维度换位。参数： - dims (int …*) - 换位顺序例： 2 pytorch permute的使用permute函数功能还是比较简单的，下面主要介绍几个细节点：2.1 transpose与permute的异同Tensor.permute(a,b,c,d, …)：permute函数可以对任意高维矩阵进行转置，但没有 torch.permute() 这个调用方式， 只能 Tensor.permute()： torch.tr
Pytorch基础 - 7. torch.transpose() 和 torch.permute()
Aaron_neil的博客
04-14 3006
按照上面数组的方式进行理解，x的原维度表示数组 array = [3, 4, 5, 8]，转置后的维度 = [array[1], array[0], array[3], array[2]] = [4, 3, 8, 5]就是把原来的维度比作一个数组 list=[3, 4]，permute中的数表示数组对应的index，则转置后的x为 [list[1], list[0]] = [4, 3]示例：将shape为[3, 4]的张量，通过transpose()转换成维度为[4, 3]的张量。示例1：进行二维转置。
Pytorch基础 - 6. torch.reshape() 和 torch.view()
Aaron_neil的博客
04-14 2849
当tensor是连续的，torch.reshape() 和 torch.view()这两个函数的处理过程也是相同的，即两者均不会开辟新的内存空间，也不会产生数据的副本，只是改变了tensor的头信息区，如stride, 并没有修改这个tensor的存储区 Storage。当处理的tensor是非连续性的(contiguous) view()：在调用view()函数之前需要先调用 contiguous()方法，即x.contiguous().view()。
捋清pytorch的transpose、permute、view、reshape、contiguous
nuohuang3371的博客
01-29 2949
transpose和permute 都是进行转置操作，但是有些许区别，permute可以完全替代transpose，transpose不能替代permute。 transpose的基本操作 接收两个维度dim1和dim2，将dim1和dim2调换： In [82]: a=torch.Tensor([[1,2,3],[4,5,6]]) In [85]: a
Pytorch中的permute函数和transpose,contiguous,view函数的关联
Lyang-Never
03-16 2440
一、前言 在进行深度学习的过程中，经常遇到permute函数，transpose函数，view函数，contiguous函数等，他们起什么作用，之间又有什么联系呢？ 二、主要内容 2.1、permute函数和transpose函数 Tensor.permute(a,b,c,d, …)：可以对任意高维矩阵进行转置。例子见下： In[1]: torch.randn(2,3,4,5).permute(3...
torch的函数contiguous()，view(),permute()
ronghwa_lu
11-28 710
view只是读数组的方式不同 https://blog.csdn.net/york1996/article/details/81949843 介绍view() view只能用在contiguous的variable上。如果在view之前用了transpose,permute等，需要用contiguous()来返回一个contiguous copy。 what is contiguous https://blog.csdn.net/appleml/article/details/80143212?utm_so
PyTorch 高维矩阵转置 Permute和Transpose
Huiyu Blog
06-24 7218
permute可以对任意高维矩阵进行转置。 transpose只能操作2D矩阵的转置（连续使用transpose可实现permute效果）。 import torch image = torch.randn(1,16 ,256, 256) image = image.permute(1,0,2,3) print(image.shape)#torch.Size([16, 1, 256, 256]...
【pytorch 中 于contiguous、permute和transpose用法】
fyc300的博客
05-15 1171
方法定义:在PyTorch中，contiguous是一个Tensor的方法，用于返回一个在内存中连续存储的Tensor。这意味着Tensor的所有元素在内存中都是连续排列的，没有间隔。用途:在进行某些操作（如view或reshape）之前，Tensor可能需要是连续的。当使用某些操作（如to方法改变数据类型或设备）时，Tensor可能会变得不连续。在某些情况下，为了效率考虑，你可能希望Tensor是连续的。
PyTorch中contiguous、view、Sequential、permute函数的用法
你好，明天，，的博客
01-12 1528
PyTorch中contiguous、view、Sequential、permute函数的用法。
用于动作识别的时空图卷积ST-GCN
AI蜗牛车
11-15 3346
1 前言最近参加了CCF举办的比赛，并选了一个与之前研究相关性并不大的赛题。赛题主要是做基于人体骨架的动作识别的，正好借此机会学一下相关知识。官方给出的baseline有两个，一个是ST-...
python中permute_PyTorch中permute的用法详解
热门推荐
weixin_35891724的博客
03-02 1万+
permute(dims)将tensor的维度换位。参数：参数是一系列的整数，代表原来张量的维度。比如三维就有0，1，2这些dimension。例：import torchimport numpy as npa=np.array([[[1,2,3],[4,5,6]]])unpermuted=torch.tensor(a)print(unpermuted.size()) # ——> torch...
Pytorch：view()、permute()和contiguous()
weixin_42046845的博客
11-28 446
在pytorch中只有很少几个操作是**不改变tensor内容本身的**，大多数操作**不进行数据拷贝和数据的改变，变的是原数据**。例如：narrow()、view()、expand()和transpose()等。
x.permute(0, 3, 1, 2).contiguous() 和 x.permute(0, 3, 1, 2)
最新发布
qq_40723205的博客
07-12 697
使用可以确保张量是连续的，避免潜在的性能问题。如果确定后续操作不需要连续的内存布局，可以直接使用来避免不必要的内存复制。
pytorch view函数用法
10-19
同时，为了保证维度的正确性，建议在使用view函数时配合permute函数使用。下面是一个使用view函数的例子： import torch t1 = torch.tensor([1,2,3,4,5,6]) result = t1.view(3,2) print(result) 输出结果为： ...
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