torch库view函数用法

最新推荐文章于 2024-09-13 12:58:56 发布

magicwindyyd

最新推荐文章于 2024-09-13 12:58:56 发布

阅读量1.5w

点赞数 6

分类专栏：笔记文章标签：机器学习 pytorch

本文链接：https://blog.csdn.net/Flywheresea/article/details/118279285

版权

笔记专栏收录该内容

3 篇文章 0 订阅

订阅专栏

1函数.view()

view（）用于改变tensor的形状

>>>x = torch.ones(2,2)
>>>xv = x.view(-1)
>>>x
tensor([[1.,1.],
        [1.,1.]])
>>>xv
tensor([1.,1.,1.，1.])

将一个2×2的张量变为1×4，就是通过view(1,4)，1行4列。如果改为view（4，1），就会变为4×1的tensor,参数-1表示自适应，比如长度4的向量，view(-1,1),就相当于view（4，1）。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

magicwindyyd

关注关注

6
点赞
踩
12

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

torch.view()

jacke121的专栏

06-11

7553

import torch conf_data=torch.tensor([[[1, 2,3], [4,5,6]], [[7,8,9],[10,11,12]],[[10, 20,30], [40,50,60]], [[70,80,90],[100,110,120]]]) conf_t=torch.tensor([1,2,3,4]) conf_data = conf_data.view(-1, 3) conf_t = conf_t.view(-1) print(conf_data) print(...

torch常用函数

m0_37737957的博客

07-05

636

一、 torch.bmm 二、 torch.einsum 三、torch.chunk 四、torch.contiguous 五、torch.clamp 六、torchvision.utils.make_grid

参与评论您还未登录，请先登录后发表或查看评论

torch.view函数用法

wahahaha116的博客

08-01

1万+

这句话一般出现在model类的forward函数中，具体位置一般都是在调用分类器之前。分类器是一个简单的nn.Linear()结构，输入输出都是维度为一的值，x=x.view(x.size(0),-1)这句话的出现就是为了将前面多维度的tensor展平成一维。view中一个参数定为-1，代表自动调整这个维度上的元素个数，以保证元素的总数不变。在使用pytorch定义神经网络时，经常会看到类似如下的.view()用法。view()相当于reshape、resize，重新调整Tensor的形状。........

torch.view torch.expand

最新发布

m0_51579041的博客

09-13

290

torch维度操作

torch.view() 详解

you 是 mine

01-05

5900

功能同reshape相似，但是 view() 只能操作 tensor，reshape() 可以操作 tensor 和 ndarray。view() 只能用在 contiguous（连续）的变量上。如果在 view 之前用了 transpose, permute 等切片处理，需要用 contiguous() 来返回一个 contiguous copy。pytorch 中的 torch.reshape() 大致相当于 tensor.contiguous().view()

深度学习框架_PyTorch_torch.view()函数

欢迎大家关注我

02-14

1667

用法：torch.view()返回的数据和传入的tensor一样，只是形状不一样。注意：返回的tensor和传入的tensor共享内存，也就是修改其中一个，数据都会变。接下来我们举一个例子： >>> a = torch.ones(6,3) >>> a tensor([[1., 1., 1.], [1., 1., 1.], [1...

在torch里面，view函数

m0_46171719的博客

05-16

3698

在torch里面，view函数相当于numpy的reshape，来看几个例子： a = torch.arange(1, 17) # a's shape is (16,) a.view(4, 4) # output below tensor([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12], [13, 14, 15, 16]]) [torch.FloatTensor of size 4x4] ...

pytorch中torch.max和Tensor.view函数用法详解

09-18

通过使用view函数，可以对张量的形状进行重塑，这在PyTorch中是一种常用的操作，尤其在神经网络模型中需要将数据以特定形状提供给不同的层时。例如，如果你有一个形状为(3,4,5,7)的张量a，并使用view函数将其形状...

Pytorch中torch.gather函数

12-21

另一种使用`torch.gather`的方式是在张量对象上直接调用`.gather()`方法，如示例中的`b.gather(dim, index)`。在这个例子中，张量`b`是一个二维张量，我们分别通过`dim=1`和`dim=0`进行索引。当`dim=1`时，我们沿行...

torch中view函数的用法

weixin_38410551的博客

04-01

2843

import torch import numpy x = torch.tensor(2,2,2) t = x.view(1,8)#输出数组的大小为1*8 t = x.view(-1,4)#输出数组的大小为2*4, -1表示自行判断 t = x.view(8)#输出数组的大小为8*1 t = x.view(-1)#输出数组的大小为1*8 ...

pytorch--view函数用法

weixin_41978551的博客

12-16

6561

在pytorch中view函数的作用为重构张量的维度，相当于numpy中resize（）的功能 1. torch.view(参数1,参数2…) >>> import torch >>> t1 = torch.tensor([1,2,3,4,5,6]) >>> result = tt1.view(3,2) >>> result tensor([[1, 2], [3, 4], [5, 6]]) 创建一个6维

关于Pytorch中view函数的使用

01-06

If you are viewing collapsing non-neighboring dimensions, you are interleaving the pixels. You could try it on an image tensor and your result should be interleaved. 注意，在使用view函数的时候一定要配合permute函数使用，类似 patches = patches.contiguous().view(B, C, -1, kernel_size*kernel_size) print(patches.shape) # [B,

Pytorch-view的用法 torch.view(参数a，参数b，...) 有的时候会出现torch.view(-1)或者torch.view(参数a，-1)这种情况。

CSPhD-winston的博客

02-10

2万+

Pytorch-view的用法在pytorch中view函数的作用为重构张量的维度，相当于numpy中resize（）的功能，但是用法可能不太一样。如下例所示比如 import torch a=torch.Tensor([[[1,2,3],[4,5,6]]]) b=torch.Tensor([1,2,3,4,5,6]) print(a.view(1,6)) print(b.view(1,6...

torch中的torch.view() torch.permute()和 torch.transpose()以及numpy中的numpy.random.permutation()

weixin_40607008的博客

01-06

2263

直入主题： 1.torch.view()是先把所有的Tensor()变成一维数据，然后按需(数据的维度)索取。举个例子如果参数中出现-1值，那么这个位置的数据就要按照其他位置来判断了。比如上述例子中，这个-1的值是4，是由其他位置(这里是2)计算得来的，只要保证数据的数量一致就可以。 2.torch.permute() 相比之下permute()的理解要稍微复杂一点。其作...

torch:)——PyTorch: view( )用法详解

fuhao7i的博客

11-13

2万+

torch:)——PyTorch: view( )用法详解 PyTorch 中的view( )函数相当于numpy中的resize( )函数，都是用来重构(或者调整)张量维度的，用法稍有不同。 1. view(参数a, 参数b, 参数c…) >>> import torch >>> re = torch.tensor([1, 2, 3, 4, 5, 6]) >>> result = re.view(3,2) >>> result te

PyTorch中的view的用法

赵凯月的博客

05-09

568

在PyTorch中view函数作用为重构张量的维度，相当于numpy中的resize()的功能，但是用法不太一样 import torch tt1=torch.tensor([-0.3623,-0.6115,0.7283,0.4699,2.3261,0.1599]) 则tt1.size()为torch.Size([6])，是一个一行的tensor。现在通过view可以将其重构一下形状。 result=tt1.view(3,2) result tensor([[-0.3623, -0.6115],

【PyTorch】PyTroch中.view()函数的详细使用方法

开水的博客

08-08

9844

PyTorch中的.view()函数是一个用于改变张量形状的方法。它类似于NumPy中的.reshape()函数，可以通过重新排列张量的维度来改变其形状，而不改变张量的数据。在深度学习中，.view()函数常用于调整输入数据的形状以适应模型的输入要求，或者在网络层之间传递数据时进行形状的转换。.view()函数的语法如下，shape是一个整数元组，用于指定新的张量形状，新形状的元素个数必须与原形状的元素个数相同。函数返回一个具有指定形状的新张量，但与原始张量共享数据存储，因此它们指向相同的内存区域。

【python】torch中tensor的view函数怎么用

zkq_1986的博客

09-02

1万+

import numpy as np import torch x = torch.Tensor(2, 2, 2) y = x.view(1, 8) #输出维度：1*8 z = x.view(-1, 4) # -1表示维数自动判断，此输出的维度为：2*4 t = x.view(8) #输出维度： 8*1 t = x.view(-1) #输出维度： 1*8 ...

python pytorch中 .view()函数讲解