torch.tensor函数常用操作

---

reshape函数：重塑形状

参考+

torch.reshape(input, shape) → Tensor

返回一个重塑形状的张量，该张量与输入张量数据和元素数量相同。
如果可能，返回的张量将是输入的视图。否则，它将是一个副本。

>>> a = torch.arange(4.)
>>> torch.reshape(a, (2, 2))
tensor([[ 0.,  1.],
        [ 2.,  3.]])
>>> b = torch.tensor([[0, 1], [2, 3]])
>>> torch.reshape(b, (-1,))
tensor([ 0,  1,  2,  3])

---

flatten函数：展平

参考+

torch.flatten(input, start_dim=0, end_dim=-1) → Tensor

展平为一维张量。
如果有start_dim或end_dim参数，则仅展平以start_dim开始并以end_dim结束的标注，元素顺序保持不变。

>>> t = torch.tensor([[[1, 2],
...                    [3, 4]],
...                   [[5, 6],
...                    [7, 8]]])
>>> torch.flatten(t)
tensor([1, 2, 3, 4, 5, 6, 7, 8])
>>> torch.flatten(t, start_dim=1)
tensor([[1, 2, 3, 4],
        [5, 6, 7, 8]])

---

transpose函数：转置

参考+

torch.transpose(input, dim0, dim1) → Tensor

返回输入张量的转置结果，dim0和dim1交换。

>>> x = torch.randn(2, 3)
>>> x
tensor([[ 1.0028, -0.9893,  0.5809],
        [-0.1669,  0.7299,  0.4942]])
>>> torch.transpose(x, 0, 1)
tensor([[ 1.0028, -0.1669],
        [-0.9893,  0.7299],
        [ 0.5809,  0.4942]])

---

permute函数：维度交换

参考

torch.permute(input, dims) → Tensor

返回输入张量的视图，并对输入张量维度进行重新排列。

>>> x = torch.randn(2, 3, 5)
>>> x.size()
torch.Size([2, 3, 5])
>>> torch.permute(x, (2, 0, 1)).size()
torch.Size([5, 2, 3])

---

unsqueeze函数：升维

torch.unsqueeze(input, dim) → Tensor

unsqueeze()函数起升维的作用，对输入的既定位置（dim）升一维。
dim范围在:[-input.dim() - 1, input.dim() + 1)之间，比如输入input是一维，dim可以是-2，-1，0，1，而负dim相当于 dim = dim + input.dim() + 1，也就是dim实际上就只有0,1。
则dim=0时数据为行方向升维，dim=1时为列方向升维。

>>> x = torch.tensor([1, 2, 3, 4])   #torch.Size([4])
>>> torch.unsqueeze(x, 0)
tensor([[ 1,  2,  3,  4]])   #torch.Size([1, 4])
>>> torch.unsqueeze(x, 1)
tensor([[ 1],
        [ 2],
        [ 3],
        [ 4]])   #torch.Size([4, 1])

---

squeeze函数：降维（未完成）

torch.squeeze(input, dim=None) → Tensor

---

cat函数：拼接

torch.cat(tensors, dim=0, *, out=None) → Tensor

拼接指定维度的张量。所有张量必须具有相同的形状（连接维度除外）或为空。
torch.cat（）可以看作是torc.split（）和torc.chunk（）的反向操作。

参数：
tensors (sequence of Tensors) –同类型张量的任何python序列。提供的非空张量必须具有相同的形状，cat维度除外。
dim（int，可选）– 张量连接的维度

关键字参数：
out（张量，可选）– 输出张量。

>>> x = torch.randn(2, 3)
>>> x
tensor([[ 0.6580, -1.0969, -0.4614],
        [-0.1034, -0.5790,  0.1497]])
>>> torch.cat((x, x, x), 0)
tensor([[ 0.6580, -1.0969, -0.4614],
        [-0.1034, -0.5790,  0.1497],
        [ 0.6580, -1.0969, -0.4614],
        [-0.1034, -0.5790,  0.1497],
        [ 0.6580, -1.0969, -0.4614],
        [-0.1034, -0.5790,  0.1497]])
>>> torch.cat((x, x, x), 1)
tensor([[ 0.6580, -1.0969, -0.4614,  0.6580, -1.0969, -0.4614,  0.6580,
         -1.0969, -0.4614],
        [-0.1034, -0.5790,  0.1497, -0.1034, -0.5790,  0.1497, -0.1034,
         -0.5790,  0.1497]])

---