python pytorch view()函數

最新推荐文章于 2024-10-05 14:38:41 发布

原创最新推荐文章于 2024-10-05 14:38:41 发布 · 1.1k 阅读

6 ·

CC 4.0 BY-SA版权

学习笔记专栏收录该内容

28 篇文章

订阅专栏

本文详细介绍了PyTorch中的view函数如何用于改变张量的形状，包括使用-1参数进行自适应调整的例子，展示了从一维到多维张量的转换过程。

部署运行你感兴趣的模型镜像

view是改变tensor的形状，并不只是简单的只是多行tensor拼接成一行，view中的-1是自适应的调整

A = torch.arange(0, 16)
print(A)
#tensor([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])
B = A.view(-1,2)
print(B)
#tensor([[ 0,  1],
        [ 2,  3],
        [ 4,  5],
        [ 6,  7],
        [ 8,  9],
        [10, 11],
        [12, 13],
        [14, 15]])
B = A.view(2,-1)
print(B)
#tensor([[ 0,  1,  2,  3,  4,  5,  6,  7],
        [ 8,  9, 10, 11, 12, 13, 14, 15]])
C = A.view(-1,2,2)
print(C)
#tensor([[[ 0,  1],
         [ 2,  3]],

        [[ 4,  5],
         [ 6,  7]],

        [[ 8,  9],
         [10, 11]],

        [[12, 13],
         [14, 15]]])
C = A.view(2,2,-1)
print(C)
#tensor([[[ 0,  1,  2,  3],
         [ 4,  5,  6,  7]],

        [[ 8,  9, 10, 11],
         [12, 13, 14, 15]]])

您可能感兴趣的与本文相关的镜像