Pytorch tensor.view()和terson.reshape()，以及contiguous()为何存在

最新推荐文章于 2022-04-11 23:17:57 发布
最新推荐文章于 2022-04-11 23:17:57 发布
阅读量144 收藏
点赞数
分类专栏： 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/Decennie/article/details/119258920
版权
本文探讨了PyTorch中tensor.view()和tensor.reshape()函数的内存共享特性，强调view()仅改变观察视角，reshape可能不共享数据导致内存地址变更。通常推荐先用clone()复制tensor再进行view操作以确保数据完整复制。同时解释了contiguous()的作用，即确保连续内存布局。
摘要由CSDN通过智能技术生成

pytorch结构函数tensor.view()和terson.reshape()，以及contiguous()为何存在

view()是内存共享的，reshape()不是共享的，可以理解为reshape获取的是tensor克隆真实副本，而view()只是改变了tensor的观察视角而已，然而实际上并不会这样使用它，因为reshape通常获取不到原数据的拷贝(因为会改变data的内存地址)，所以一般用clone()克隆tensor后再view,确保对象和数据两个内存地址都被完整复制走。

Decennie
关注
专栏目录
Pytorch实用教程：Pytorch中tensor.size()用法 | .squeeze()方法 | .unsqueeze()方法
惊鸿若梦一书生
04-07 1438
在 PyTorch 中，`tensor.size(0)` 是用来获取张量（Tensor）第一个维度的大小的一种方法。这里的“0”指的是第一个维度的索引，因为在 Python 和 PyTorch 中索引是从 0 开始的。换句话说，`size(0)` 返回的是张量在其第一个维度上的元素个数。
pytorch中tensor.expand()和tensor.expand_as()函数详解
12-23
tensor.expend()函数 >>> import torch >>> a=torch.tensor([[2],[3],[4]]) ...可以看出expand()函数括号里面为变形后的size大小，而且原来的tensor和tensor.expand()是不共享内存的。 tensor.expand_as()函数 >>> b=
pytorch结构函数tensor.view()和terson.reshape()，以及contiguous()为何存在
xinjieyuan的博客
08-12 3171
前要 这两个函数都是用来改变tensor的形状的，但是他们两是有内存共享的区别，因为这个区别。 三个提前说的注意点： x是个tensor，x += 1和x= x+1在pytorch中是有区别的， 后者会重开内存地址。 学过面向对象语言都知道，对象和数据的地址是分开的，比如x = [1,2,3],对象是x，数据是[1,2,3]。 id()函数只能看对象内存地址，storage()函数可以看数据内存地址。 1. 文档解释 view() # 使用方法 x_tensor.view(*args) → Tensor
PyTorch中的view()函数用法示例及其参数详解
vivid
10-11 2万+
最近使用PyTorch编写程序，经常会遇到tensor_data.contiguous().view(-1)，以此记录下其用法。 view()函数用法示例及其参数详解 首先，view( ) 是对 PyTorch 中的 Tensor 操作的，若非 Tensor 类型，可使用 data = torch.tensor(data)来进行转换。 (1) 作用：该函数返回一个有__相同数据__但不同大小的...
torch.tensor.view(*args)
danerer的专栏
09-30 9943
view(*args) → Tensor 返回一个有相同数据但大小不同的tensor。 返回的tensor必须有与原tensor相同的数据和相同数目的元素，但可以有不同的大小。一个tensor必须是连续的contiguous()才能被查看。 import torch x = torch.randn(4, 5) print('tensor原型:',x) print('tensor维度变换，由（4...
tensor的存储方式 + view() reshape() resize_() 区别
qq_52852138的博客
04-11 3384
文章目录1.前言2.tensor 的存储方式2.1.基本知识2.1.1官方文档2.2.tensor 的stride() 和 storage_offset() 属性2.2.1 stride()2.2.2 storage_offset()3.view()，reshape()，resize_()之间的关系3.1.view()3.2.reshape()3.2.1.tensor的连续性3.3.resize_()3.3.1.数据多的时候3.3.2.数据少的时候3.3.3.处理不连续数据4.总结 1.前言 在使用 exp
pytorch入门（一）
louis
03-28 300
pytorch是什么？ pytorch是基于Python的科学计算包，服务于以下两种场景： 作为NumPy的替代品，可以使用GPU的强大计算能力 提供强大的灵活性和高速的深度学习研究平台 Terson(张量) Tersons与Numpy中的ndarrays类似，但是再Pytorch中Tensors可以使用GPU进行计算 import torch # 创建一个未初始化的5*3的矩阵 x = t...
pytorch中torch.max和Tensor.view函数用法详解
12-23
torch.max()简单来说是返回一个tensor中的最大值。 例如： >>> si=torch.randn(4,5) >>> print(si) tensor([[ 1.1659, -1.5195, 0.0455, 1.7610, -0.2064], [-0.3443, 2.0483, 0.6303, 0.9475, 0.4364], [-1.5268...
PyTorch中 tensor.detach() 和 tensor.data 的区别详解
09-18
在PyTorch中，tensor.detach()和tensor.data是两个常用的方法，但它们在使用上存在区别。正确理解这两个方法的区别，对于在PyTorch中进行有效编程和调试十分重要。 首先，我们需要明确tensor.detach()和tensor.data...
Pytorch（一）入门：Tensor基础
嘿芝麻的树洞
09-21 1万+
torch.Tensor 基础 Tensor就是pytorch中存储数据的主要格式，跟numpy类似 这里，我们先介绍一些最基本的操作和常用的功能 在numpy中，我们是通过shape来获取数组的形状，而在我们的tensor当中，我们使用size来得到形状。 有时候，我们需要对数组形状进行改变，我们可以采用 .view() 的方式 可以注意到test5通过test4变形的时候，是从tes...
浅谈PyTorch/Numpy中view和copy/clone的区别
风筝大晒的博客
02-15 2873
前言 学习完 深浅拷贝的区别 (之前写的文章)后，就继续来看看在PyTorch/Numpy中view与copy有什么区别。由于PyTorch是类似于Numpy的可用于GPU加速的计算库，在很多api或概念上都是基本一致的，因此本文对于view和copy的对比分析对两个库都是适用的。 传送门：图文代码浅谈Python中Shallow Copy(浅拷贝)和Deep Copy(深拷贝)的区别 Vie...
pytorch(1) tersor和Variable
DS00HY的小博客
01-11 248
莫烦python的教程 terson 与Variable                 1.Terson 博客 Tensor类似于numpy的ndarrays，另外它还可以在GPU上使用Tensor进行加速计算，其实就是一个多维数组，我们可以对其进行各种数学运算和处理 import torch x = torch.Tensor(5, 3) print(x) #输出： 0.0000 ...
pytorch Tensor及其基本操作
落地生根
04-04 3万+
由于之前的草稿都没了，现在只有重写…. 我好痛苦本章只是对pytorch的常规操作进行一个总结，大家看过有脑子里有印象就好，知道有这么个东西，需要的时候可以再去详细的看，另外也还是需要在实战中多运用。本章导视图 Tensor attributes:在tensor attributes中有三个类，分别为torch.d...
pytorch: Tensor 常用操作
热门推荐
吕爽
08-18 8万+
pytorch: Tensor 常用操作
Pytorch torch.optim.Adam() torch.optim.AdamW()
Decennie的博客
08-08 1万+
torch.optim优化算法理解之optim.Adam() torch.AdamW优化算法+超级收敛
collate_fn 使用详解
Decennie的博客
10-28 1万+
collate_fn 参数 当继承Dataset类自定义类时，__getitem__方法一般返回一组类似于（image，label）的一个样本，在创建DataLoader类的对象时，collate_fn函数会将batch_size个样本整理成一个batch样本，便于批量训练。 default_collate(batch)中的参数就是这里的 [self.dataset[i] for i in indices]，indices是从所有样本的索引中选取的batch_size个索引，表示本次批量获取这些样本进行训练
tqdm进度条基本用例，以及在pytorch中的使用
Decennie的博客
07-29 6077
文章目录方法一: 传入可迭代对象方法二: trange方法三: 可以为进度条设置描述方法四：write 方法方法五：手动控制进度条： Tqdm 是 Python 进度条库，可以在 Python 长循环中添加一个进度提示信息。用户只需要封装任意的迭代器，是一个快速、扩展性强的进度条工具库。 用法： tqdm(iterator) 安装方法： pip install tqdm 方法一: 传入可迭代对象 import time from tqdm import * for i in tqdm(range(10
Pytorch 深度学习中的logits是什么意思
Decennie的博客
08-03 2686
深度学习源码中经常出现的logits其实和统计中定义的logit=log(p/1-p)没什么太大关系，就是定义的神经网络的一层输出结果。该输出一般会再接一个softmax layer输出normalize 后的概率，用于多分类。
Pytorch tensor.numel()获取张量元素个数
Decennie的博客
08-08 2579
pytorch获取张量元素个数numel()的用法
pytorch tensor.view(-1)
最新发布
06-09
`tensor.view(-1)`是一种PyTorch张量操作，用于将张量的形状（shape）转换为一维数组。具体地说，`-1`参数告诉PyTorch自动计算数组的长度以适应原始张量的大小。这种操作通常用于将张量展平为一维，并将其传递给神经...
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