Pytorch中的view()函数

原文地址

Pytorch系列目录

view()函数有些像numpy中的reshape函数，是用来的tensor（张量）形式的数据进行围堵重构的，直接用程序来说明用法

• 生成测试数据

  import torch
  
  torch.manual_seed(0)	# 用来控制内部的随机机制使每次得到的随机数一样
  
  tt = torch.rand(3,4)
  # tensor([[0.4963, 0.7682, 0.0885, 0.1320],
  #         [0.3074, 0.6341, 0.4901, 0.8964],
  #         [0.4556, 0.6323, 0.3489, 0.4017]])
  

• 实现方法

  print(tt.view((2,-1)))
  # tensor([[0.4963, 0.7682, 0.0885, 0.1320, 0.3074, 0.6341],
  #         [0.4901, 0.8964, 0.4556, 0.6323, 0.3489, 0.4017]])
  print(tt.view(2,-1))
  # tensor([[0.4963, 0.7682, 0.0885, 0.1320, 0.3074, 0.6341],
  #         [0.4901, 0.8964, 0.4556, 0.6323, 0.3489, 0.4017]])
  

  其中-1表示不对这一维度的数量做具体限定，算出来是多少就是多少，注意在所有维度中只能有一个维度指定为-1

  view()函数可以接收两种形式的输入，一种是给出一个‘形状’ (2,-1)，一种是一次列举各维度的维度值2,-1

• 可以用reshape()函数实现

  pytorch提供了很好的numpy兼容性，很多numpy下的方法在pytorch中也可以使用，用reshape()函数实现方式和实现结果与view相同

  print(tt.reshape((2,-1)))
  # tensor([[0.4963, 0.7682, 0.0885, 0.1320, 0.3074, 0.6341],
  #         [0.4901, 0.8964, 0.4556, 0.6323, 0.3489, 0.4017]])
  print(tt.reshape(2,-1))
  # tensor([[0.4963, 0.7682, 0.0885, 0.1320, 0.3074, 0.6341],
  #         [0.4901, 0.8964, 0.4556, 0.6323, 0.3489, 0.4017]])
  

• 再多做一点儿，三维(2,2,-1)

  print(tt.reshape(2,2,-1))
  # tensor([[[0.4963, 0.7682, 0.0885],
  #          [0.1320, 0.3074, 0.6341]],
  # 
  #         [[0.4901, 0.8964, 0.4556],
  #          [0.6323, 0.3489, 0.4017]]])
  

  要在2维空间里print3维的数据，大概就是这样了吧