【python】【PyTorch】torch中，张量的维度和表示，并详细解释代码

本文链接：https://blog.youkuaiyun.com/wq6qeg88/article/details/144476862

【python】【PyTorch】torch中，张量的维度和表示，并详细解释代码

代码示例 4：3维张量（例如 RGB 图像）

代码示例 5：4维张量（批次图像数据）

3. PyTorch 中常用的张量维度操作

1. unsqueeze(dim)

2. squeeze(dim)

3. view() 和 reshape()

4. 总结

【python】【PyTorch】torch中，张量的维度和表示，并详细解释代码

在 PyTorch 中，张量（tensor）是一个多维数组，用于表示数据。

张量的维度（dimension）和形状（shape）是理解如何在深度学习中组织数据的基础。

接下来，我会详细解释张量的维度、形状以及如何使用相关函数来操作张量，并提供一些具体的代码示例和详细解读。

1. 张量的维度和形状概念

维度（Dimension）：张量的维度是其轴（axis）的数量。每个维度代表了数据的一个方向（例如，行或列）。
- 0维：标量（Scalar），没有维度。
- 1维：向量（Vector），有一个维度。
- 2维：矩阵（Matrix），有两个维度。
- 3维：三维张量，通常表示多通道图像。
- 4维：四维张量，通常用于批量数据（例如多张图像的集合）。
形状（Shape）：张量的形状表示每个维度上的大小，通常是一个包含维度大小的元组。例如，形状 (3, 224, 224) 表示一个有 3 个通道（RGB），大小为 224x224 的图像。

2. PyTorch 中张量的维度表示

我们用 PyTorch 的张量（torch.Tensor）来表示数据，并通过 ndimension() 或 dim() 方法获取张量的维度。

形状可以通过 shape 属性获取，它返回一个元组，表示每个维度的大小。

代码示例 1：0维张量（标量）

import torch

# 创建一个0维张量（标量）
scalar = torch.tensor(5)
print(f"Scalar shape: {scalar.shape}")  # 输出: torch.Size([])
print(f"Scalar dimension: {scalar.ndimension()}")  # 输出: 0

解释：

这是一个标量张量，形状是 ()，没有任何维度。
scalar.ndimension() 返回 0，表示它是一个 0 维张量。

代码示例 2：1维张量（向量）

# 创建一个1维张量（向量）
vector = torch.tensor([1, 2, 3, 4])
print(f"Vector shape: {vector.shape}")  # 输出: torch.Size([4])
print(f"Vector dimension: {vector.ndimension()}")  # 输出: 1

解释：

这是一个 1 维张量（向量），它有 4 个元素。
vector.shape 输出的是 torch.Size([4])，表示它是一个包含 4 个元素的一维张量。
vector.ndimension() 返回 1，表示它有 1 个维度。

代码示例 3：2维张量（矩阵）

# 创建一个2维张量（矩阵）
matrix = torch.tensor([[1, 2], [3, 4], [5, 6]])
print(f"Matrix shape: {matrix.shape}")  # 输出: torch.Size([3, 2])
print(f"Matrix dimension: {matrix.ndimension()}")  # 输出: 2

解释：

这是一个 2 维张量（矩阵），有 3 行和 2 列。
matrix.shape 输出的是 torch.Size([3, 2])，表示这是一个 3x2 的矩阵。
matrix.ndimension() 返回 2，表示它有 2 个维度。

代码示例 4：3维张量（例如 RGB 图像）

# 创建一个3维张量（RGB 图像）
tensor_3d = torch.randn(3, 224, 224)  # 3 个通道，224x224 像素
print(f"3D tensor shape: {tensor_3d.shape}")  # 输出: torch.Size([3, 224, 224])
print(f"3D tensor dimension: {tensor_3d.ndimension()}")  # 输出: 3

解释：

这是一个 3 维张量，通常用于表示图像。它有 3 个通道（例如 RGB）和 224x224 的像素尺寸。
tensor_3d.shape 输出的是 torch.Size([3, 224, 224])，表示这个张量有 3 个通道，每个通道的尺寸是 224x224。
tensor_3d.ndimension() 返回 3，表示它有 3 个维度。

代码示例 5：4维张量（批次图像数据）

# 创建一个4维张量（图像批次）
batch_tensor = torch.randn(8, 3, 224, 224)  # 8 张 RGB 图像，每张 224x224 像素
print(f"Batch tensor shape: {batch_tensor.shape}")  # 输出: torch.Size([8, 3, 224, 224])
print(f"Batch tensor dimension: {batch_tensor.ndimension()}")  # 输出: 4

解释：

这是一个 4 维张量，通常用于表示图像批次（batch）。它有 8 张图像，每张图像有 3 个通道（RGB），每张图像的尺寸为 224x224。
batch_tensor.shape 输出的是 torch.Size([8, 3, 224, 224])，表示这是一个 8 张图像的批次。
batch_tensor.ndimension() 返回 4，表示它有 4 个维度。

3. PyTorch 中常用的张量维度操作

1. `unsqueeze(dim)`

unsqueeze(dim) 在指定的维度 dim 上插入一个大小为 1 的新维度，通常用于添加批次维度（例如，将一张图像扩展为一个批次）。

# 创建一个形状为 (3, 224, 224) 的张量
image = torch.randn(3, 224, 224)
print(f"Original shape: {image.shape}")  # 输出: torch.Size([3, 224, 224])

# 使用 unsqueeze(0) 在第 0 维插入一个新的维度
batch_image = image.unsqueeze(0)
print(f"New shape after unsqueeze(0): {batch_image.shape}")  # 输出: torch.Size([1, 3, 224, 224])

解释：

unsqueeze(0) 将第 0 维（即最前面）插入一个大小为 1 的维度，通常用于将单张图像转换为批次大小为 1 的图像。
image.unsqueeze(0) 后，形状变为 (1, 3, 224, 224)，表示这是一个包含 1 张图像的批次。

2. `squeeze(dim)`

squeeze(dim) 移除张量中所有大小为 1 的维度。

如果指定 dim，它只会移除该维度为 1 的轴。

# 创建一个形状为 (1, 3, 224, 224) 的张量
tensor = torch.randn(1, 3, 224, 224)
print(f"Original shape: {tensor.shape}")  # 输出: torch.Size([1, 3, 224, 224])

# 使用 squeeze(0) 移除第 0 维（批次维度）
squeezed_tensor = tensor.squeeze(0)
print(f"New shape after squeeze(0): {squeezed_tensor.shape}")  # 输出: torch.Size([3, 224, 224])

解释：

squeeze(0) 会移除大小为 1 的第 0 维，通常用于去掉批次维度。
经过 squeeze(0) 操作后，形状变为 (3, 224, 224)，表示这是一张单独的图像。

3. `view()` 和 `reshape()`

view() 和 reshape() 用来调整张量的形状。它们的功能相似，但 reshape() 在内存布局不同的情况下更为灵活。

# 创建一个形状为 (3, 224, 224) 的张量
tensor = torch.randn(3, 224, 224)
print(f"Original shape: {tensor.shape}")  # 输出: torch.Size([3, 224, 224])

# 使用 view() 将其展平为 3x(224*224) 的张量
flattened_tensor = tensor.view(3, -1)  # -1 表示自动计算第二维的大小
print(f"Flattened shape: {flattened_tensor.shape}")  # 输出: torch.Size([3, 50176])

解释：