PyTorch中view、permute、reshape对比

Alex Ruan

已于 2022-02-04 21:41:16 修改

阅读量1.2k

点赞数 2

分类专栏： pytorch 文章标签： pytorch

于 2021-07-24 18:45:44 首次发布

本文链接：https://blog.youkuaiyun.com/qq_43678005/article/details/119061024

版权

pytorch 专栏收录该内容

20 篇文章

订阅专栏

本文详细介绍了PyTorch中Tensor的view、permute和reshape操作。view函数主要用于改变Tensor的形状，它要求数据是连续存储的，等价于将一维数据重新排列成指定形状。permute则用于改变Tensor的维度顺序，不涉及数据的拷贝。reshape与view相似，但在0.4版本后加入，简化了连续性检查。理解这些函数的用法对于高效使用PyTorch至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

view用法

Tensor.view(*shape) → Tensor

通俗理解：
把原先tensor中的数据按照行优先的顺序排成一个一维的数据（这里应该是因为要求地址是连续存储的），然后按照参数组合成其他维度的tensor。比如说是不管你原先的数据是[[[1,2,3],[4,5,6]]]还是[1,2,3,4,5,6]，因为它们排成一维向量都是6个元素，所以只要view后面的参数一致，得到的结果都是一样的。比如，

a=torch.Tensor([[[1,2,3],[4,5,6]]])
b=torch.Tensor([1,2,3,4,5,6])

print(a.view(1,6))
print(b.view(1,6))

#输出tensor([[1., 2., 3., 4., 5., 6.]])

那和permute的区别呢？

再看一个例子：

import torch
import numpy    as np

a=torch.Tensor([[[1,2,3],[4,5,6]]])

view=a.view(3,2)#输入的是shape
permuted=a.permute(2,0,1) #输入的是维度dim

print(f"view函数：\n{view}\n")
print(f"permute函数：\n{permuted}\n")
'''
输出:
view函数：
tensor([[1., 2.],
        [3., 4.],
        [5., 6.]])

permute函数：
tensor([[[1., 4.]],

        [[2., 5.]],

        [[3., 6.]]])
'''