pytorch view reshape resize 能否让一个维度为-1？

最新推荐文章于 2024-09-11 17:53:18 发布
最新推荐文章于 2024-09-11 17:53:18 发布
阅读量521 收藏
点赞数
文章标签： pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Arsmart/article/details/106598830
版权

比如，a.reshape(3,-1)，意思是让a的行数为3，列数自动算，那么，view，reshape，resize 都可以用-1吗？
答案是否。
reshape，view 可以用-1，reize不可以用。
下图展示了resize的报错。
在这里插入图片描述

Arsmart
关注
PyTorch深度学习实战（2）——PyTorch基础
盼小辉丶的博客
06-04 4万+
PyTorch 是广泛应用于机器学习领域中的强大开源框架，因其易用性和高效性备受青睐。在本节中，将介绍使用 PyTorch 构建神经网络的基础知识。首先了解 PyTorch 的核心数据类型——张量对象。然后，我们将深入研究用于张量对象的各种操作。PyTorch 提供了许多帮助构建神经网络的高级方法及组件，并提供了利用 GPU 更快地训练神经网络的张量对象。
pytorch张量维度操作（拼接、维度扩展、压缩、转置、重复……）
热门推荐
Ma Sizhou
06-28 2万+
张量的操作确实有技巧，pytorch中提供了一些相关的操作，在编程的时候很有用。 涉及的方法见下面的目录： 目录一、拼接张量1、torch.cat()2、torch.stack()二、扩大张量1、torch.Tensor.expand()三、压缩张量1、torch.squeeze()四、重复张量1、torch.Tensor.repeat()2、torch.Tensor.unfold()五、缩小张量1、torch.Tensor.narrow()六、张量变形 z1、torch.Tensor.view()七、.
Pytorch基础 - 6. torch.reshape() 和 torch.view()
Aaron_neil的博客
04-14 2629
当tensor是连续的，torch.reshape() 和 torch.view()这两个函数的处理过程也是相同的，即两者均不会开辟新的内存空间，也不会产生数据的副本，只是改变了tensor的头信息区，如stride, 并没有修改这个tensor的存储区 Storage。当处理的tensor是非连续性的(contiguous) view()：在调用view()函数之前需要先调用 contiguous()方法，即x.contiguous().view()。
Pytorch维度转换操作：view，reshape，permute，flatten函数详解
qq_41920323的博客
09-10 776
Pytorch维度转换操作：view，reshape，permute，flatten函数详解
一文搞懂 | Pytorch维度转换操作：view，reshape，permute，flatten函数详解
最新发布
u012374012的专栏
09-11 1524
在深度学习网络构建与计算过程中，我们经常会使用到张量维度之间的各种转换，用于不同操作。Pytorch中。本文将详细介绍这几个函数的作用与使用方式，并给出了具体的代码示例，希望能够帮助大家。常见的维度有四维：比如（batch, channel, height, width）；三维：比如（b,n,c）；二维：比如（h,w）。下面介绍如何使用上述函数进行维度之间的转换。
torch的view和reshape函数
lcxyplucky的博客
01-05 1083
np.reshape()和torch.view()效果一样，reshape（）操作nparray，view（）操作tensor. torch 很早就有view（），之后更新加入了reshape（）， 区别是view（）只能操作contiguous的tensor，且view后的tensor和原tensor共享存储，reshape（）对于是否contiuous的tensor都可以操作。 ...
torch.view()和.reshape()
sinat_36789271的博客
11-25 696
调用x.reshape的时候，如果x在内存中是连续的，那么x.reshape会返回一个view（原地修改，此时内存地址不变），否则就会返回一个新的张量（这时候内存地址变了）。view只能作用在连续的张量上（张量中元素的内存地址是连续的）。而reshape连续or非连续都可以。
torch中的view()和reshape()的区别
qq_39197555的博客
12-15 6706
torch的view()与reshape()方法都可以用来重塑tensor的shape，区别就是使用的条件不一样。view()方法只适用于满足连续性条件的tensor，并且该操作不会开辟新的内存空间，只是产生了对原存储空间的一个新别称和引用，返回值是视图。而reshape()方法的返回值既可以是视图，也可以是副本，当满足连续性条件时返回view，否则返回副本[ 此时等价于先调用contiguous()方法在使用view() ]。因此当不确能否使用view时，可以使用reshape。如果只是想简单地重塑一个t
PyTorch的Permute、Transpose、unsqueeze、reshape、view和Numpy的resize,reshape
qq_31355669的博客
07-22 1066
** PyTorch的Permute、Transpose、view、unsqueeze和Numpy的resize,reshape pytorch：https://pytorch.org/docs/stable/index.html ** PyTorch的Permuted的使用： PyTorch的Transpose的使用：transpose只能操作2D矩阵的转置。 >>> a ...
踩坑记录： Pytorch框架下--- 从零使用卷积神经网络实现人脸面部表情识别 (基于连续维度)
qq_43232373的博客
11-04 4109
之前一直在自学深度神经网络的知识，在跟着书本一步一步走的时候，感觉每一个思路，每一句代码都特别容易，实现思路清晰明了，实验代码简单易懂。但当我真正课题需要用到的时候，想跳出书本的框架，自行实现并通透其中的过程时，一上手真的是泪流满面，书本上的两三句话可能在你实验中会遇到各种各样头大的问题。。。 不过还好，自己从头到尾实现一遍，理解的深刻程度也是看书不能比的，下面记录一下我之前的笔记，欢迎交流指导...
PyTorch中五种改变Tensor维度的方法详解
本文将介绍五种常见的调整tensor维度的方法：add dimension with None、unsqueeze、view、reshape和resize_。 1. **添加维度 (Add Dimension with `None`)**： 使用NumPy风格，当需要在任意位置插入新维度时，可以...
PyTorch的 transpose、permute、view、reshape
二分掌柜的
04-03 2254
PyTorch的 transpose、permute、view、reshape flyfish 版本 Python 3.6.9 GCC 8.3.0 on linux PyTorch 1.4.0 >>> import torch >>> print(torch.__version__) 1.4.0 transpose() 和 permute()的区别 a =...
分析pytorch中的view和reshape
laizi_laizi的博客
09-21 3927
在pytorch编写的代码中，view方法和reshape方法是非常常用的。但是经过我的一次亲手撸代码的经历，发现事情并不那么简单，那就一起来看一下我为何这么说吧？ 一、基础认知 在此之前，希望对以下几点我们是有共同认知的： （B, C, H, W）这个形式的tensor通常都是作为网络的输入，而每个维度都是有其意义的，比如第一维的B就是不同的图片（暂且认为是输入的图片），也就是一个批次中的batch size大小，C是tensor的通道， H和W分别是tensor 的spatial size，即高和宽。
pytorch view()和reshape() 详解
一璐有你的专栏
08-27 1321
两者都是用来重塑tensor的shape的。view只适合对满足连续性条件（contiguous）的tensor进行操作，并且该操作不会开辟新的内存空间，只是产生了对原存储空间的一个新别称和引用，返回值是视图。reshape对适合对满足连续性条件（contiguous）的tensor进行操作返回值是视图，否则返回副本(此时等价于先调用contiguous()方法在使用view())考虑内存的开销而且要确保重塑后的tensor与之前的tensor共享存储空间，那就使用view。...
Pytorch 一文搞懂view，reshape和permute，transpose用法
qq_19859865的博客
02-17 1651
存储的tensor按照行优先（row major）的顺序存储。如下图，当访问每一行的下一个元素，你只需要前进一步（stride），但是访问下一列的元素，需要前进四步（strides）。在PyTorch中，有些对Tensor的操作并不实际改变tensor的内容，而只是改变如何根据索引检索到tensor的byte location的方式，比如narrow()view()expand()permute()[1]。
【轻松掌握】PyTorch中 reshape() 和 view() 的区别详解
创作高质量博文，分享知识，共同进步！
02-06 2173
🚀轻松解锁PyTorch张量重塑奥秘！💡`reshape()`和`view()`助你灵活调整数据维度。🔄掌握二者差异，避免常见错误。💡深入`contiguous()`理解，确保数据连续高效。🔄通过应用场景实战，加深理解。🚀读完本文，你将轻松驾驭PyTorch张量重塑技巧！#PyTorch #reshape #view #contiguous #张量重塑 #深度学习 #机器学习
torch中view和reshape的区别
jiangwei741的博客
06-06 469
https://blog.csdn.net/Flag_ing/article/details/109129752
pytorch函数reshape()和view()的区别及张量连续性
laosao_66的博客
09-28 2218
PyTorch中的view()和reshape()方法都用于将tensor的形状调整为新的形状。view()方法返回一个新的tensor，其中数据与原始tensor相同，但具有新的形状，并且对共享存储空间进行严格的处理；reshape()方法也返回一个新的tensor，其中数据与原始tensor相同，但是对共享存储空间的处理比较灵活，可以处理整个形状大小的变化。在使用这两种方法时，需要根据需要选择不同的方法。
python中reshape函数_python-reshape函数参数为-1的原因与用法
weixin_39698217的博客
12-03 652
上面是知乎博主的回答，讲得很清晰易懂。下面是自己的一点理解：1.当原始数组A[4,6]为二维数组，代表4行6列。A.reshape(-1,8)：表示将数组转换成8列的数组，具体多少行我们不知道，所以参数设为-1。用我们的数学可以计算出是3行8列2当原始数组A[4,6]为二维数组，代表4行6列。A.reshape(3,-1)：表示将数组转换成3行的数组，具体多少列我们不知道，所以参数设为-1。用我们...
pytorch view reshape
04-06
PyTorch中的view和reshape可以用于改变张量的形状。它们的功能类似，但是有一些细微的区别。view根据新的形状创建了一个新的张量，而原来的张量不会改变。这意味着如果在新的张量上进行操作，那么原来的张量不会受到影响。reshape在不改变张量元素的情况下，改变了张量的形状。这意味着它还可以用于在张量的形状上进行操作，而无需创建新张量。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值