Pytorch permute,contiguous

PyTorch维度操作详解

最新推荐文章于 2025-07-04 00:18:50 发布

weixin_30879833

最新推荐文章于 2025-07-04 00:18:50 发布

阅读量816

点赞数

CC 4.0 BY-SA版权

文章标签：人工智能 python

原文链接：http://www.cnblogs.com/yifdu25/p/9351841.html

本文介绍了PyTorch中常见的维度转换方法permute的应用及注意事项，包括如何改变张量的维度顺序以及确保张量在内存中连续分布的方法contiguous()。此外还提到了view()、reshape()等操作与维度转换的关系。

permute(dims)，常用的维度转换方法

将tensor的维度换位参数：dim(int)---换位顺序

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

contiguous()

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。
一种可能的解释是：
有些tensor并不是占用一整块内存，而是由不同的数据块组成，而tensor的view()操作依赖于内存是整块的，这时只需要执行contiguous()这个函数，把tensor变成在内存中连续分布的形式。
判断是否contiguous用torch.Tensor.is_contiguous()函数。

在pytorch的最新版本0.4版本中，增加了torch.reshape(), 这与 numpy.reshape 的功能类似。它大致相当于 tensor.contiguous().view()

转载于:https://www.cnblogs.com/yifdu25/p/9351841.html