目录
一、概述
view
函数是PyTorch中用于改变张量(tensor)形状的方法之一。它允许您重新排列张量的维度和大小,但不改变张量中的数据,类似于numpy中的reshape,重新定义矩阵的形状。
view
操作只是改变张量的元数据,而不会复制张量中的数据。这意味着它非常高效,不会占用额外的内存,因为它与原始张量共享相同的数据存储。在深度学习中,view
函数通常用于整理数据以适应神经网络的输入或输出要求。例如,卷积神经网络(CNN)中,通常需要将图像数据整理为特定的形状,以便输入到网络中。
二、view函数多种应用
1、改变张量的形状
x = torch.arange(12).reshape(3, 4)
y = x.view(2, 6)
从一个多维张量变成另一个多维张量,只要新形状的元素数量与原始张量的元素数量一致。该案例创造一个3*4的张量(矩阵),通过view函数将该张量修改2*6,但总的大小不改变。
2、压缩和展开张量
x = torch.arange(12)
y = x.view(3, 4)
z = x.view(-1, 2)
view
函数允许您在保持元素数量不变的情况下,将张量压缩为一维张量或展开为更高维度的张量。上述代码首先创建了一个12的一维张量,将其展开为3*4的张量,并自动计算维度,将其变形为n行2列的张量。
3、增加或减少维度
x = torch.arange(6)
y = x.view(2, 3)
z = x.view(1, 2, 3)
可以创建一个一维张量,通过view函数可以将其修改为总量不变的二维和三维张量。
4、与unsqueeze
和squeeze
结合使用
x = torch.arange(6)
y = x.unsqueeze(0)
z = y.view(2, 3)
w = z.squeeze(0)
view
函数通常与unsqueeze
(增加维度)和squeeze
(减少维度)一起使用,以实现更复杂的形状操作。创建一个一维的张量,在维度0上增加一个维度,变成1*6的张量,后使用view函数变成为2*3的张量,在维度0上减少一个维度,变成2*3的张量。
三、特殊使用:参数-1
def forward(self,x):
x = self.conv1(x)
x = self.conv2(x)
x = self.conv3(x)
x = x.view(x.size(0),-1)
output = self.out(x)
return output
在神经网络进行卷积操作时,经过多个卷积层的传递,最终输出为一个多维张量,view函数中通过-1参数可以将该多维张量直接展开为一维张量,并传递给输出层。
四、总结
view
函数是一个强大的工具,可以用于调整张量的形状,但需要注意确保新形状与原始张量的元素数量兼容。此外,view
操作不会复制或移动数据,而只会更改张量的元数据,因此在内存效率上是高效的。但请谨慎使用,特别是在与不连续的内存块操作时,可能会引发错误。