torch库view函数用法

最新推荐文章于 2023-08-08 21:20:19 发布
最新推荐文章于 2023-08-08 21:20:19 发布
阅读量1.5w 收藏 12
点赞数 6
分类专栏： 笔记 文章标签： 机器学习 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/Flywheresea/article/details/118279285
版权

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）。

magicwindyyd
关注
  • 6
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Pytorch基础 - 6. torch.reshape() 和 torch.view()
Aaron_neil的博客
04-14 2249
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()。
torch.view() 详解
you 是 mine
01-05 4865
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()
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。........
分析pytorch中的view和reshape
laizi_laizi的博客
09-21 3836
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】PyTroch中.view()函数的详细使用方法
开水的博客
08-08 8173
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。
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 2207
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...
pytorch中torch.max和Tensor.view函数用法详解
09-18
今天小编就为大家分享一篇pytorch中torch.max和Tensor.view函数用法详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
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...
关于Pytorch中view函数的使用
01-06
If you are viewing collapsing non-...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,
详解pytorch中squeeze()和unsqueeze()函数介绍
12-17
在PyTorch中，`squeeze()` 和 `unsqueeze()` 是两个非常重要的张量操作函数，它们主要用于处理多维张量的维度。这两个函数在构建和处理神经网络模型时...熟悉这些函数及其用法能够帮助你更加高效地编写和优化模型代码。
在torch里面，view函数
m0_46171719的博客
05-16 3628
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] ...
torch:)——PyTorch: view( )用法详解
fuhao7i的博客
11-13 1万+
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
神经网络中view()，torch.flatten(),torch.nn.Flatten()详解
hjkdh的博客
02-23 1万+
神经网络view（）,torch.flatten（）,torch.nn.Flatten（）1、view()2、torch.nn.Flatten()3、torch.flatten() 在神经网络中经常看到view()，torch.flatten(),torch.nn.Flatten()这几个方法。这几个方法一般用于改变tensor的形状。为日后方便使用下面就一一透彻的理解一下。 1、view() view()的原理很简单，其实就是把原先tensor中的数据进行排列，排成一行，然后根据所给的view()中的参数
python pytorch中 .view()函数讲解
热门推荐
欢迎关注，共同进步！
12-08 4万+
一、普通用法 (手动调整size) view()相当于reshape、resize，重新调整Tensor的形状。 import torch a1 = torch.arange(0,16) print(a1) tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]) a2 = a1.view(8, 2) a3 = a1.view(2, 8) a4 = a1.view(4, 4) print(a2) print(
【深度学习】在学习pytorch时，一些不会的python语法总结（1）| torch.size() | torch.view()
weixin_46274756的博客
10-20 2146
【深度学习】在学习pytorch时，一些不会的python语法总结（1）| torch.size() | torch.view()
torch中的view()和reshape()的区别
qq_39197555的博客
12-15 6628
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
深度学习框架_PyTorch_torch.view()函数
欢迎大家关注我
02-14 1643
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...
详解Pytorch中的view函数
信小海
11-28 1万+
详解Pytorch中的view函数，通俗易懂！
torch.view()详解及-1参数是什么意思
JNash的博客
01-25 2043
经常可以看到调用torch.view(-1,28*28)之类的调用，那么这里的-1是什么意思呢，经过查看文档view()得到了一下结果： view()返回的数据和传入的tensor一样，只是形状不同 -1在这里的意思是让电脑帮我们计算，比如下面的例子，总长度是20，我们不想自己算20/5=420/5=4，就可以在不想算的位置放上-1，电脑就会自己计算对应的数字，这个在实际搭建网络的时候是很好用的 还要注意view()返回的tensor和传入的tensor共享内存，意思就是修改其中一个，数据都会变
pytorch view函数用法
最新发布
10-19
PyTorch中的view函数用于重构张量的维度，类似于Numpy中的resize()函数。它可以改变张量的形状，但不会改变张量中的元素数量。view函数的参数可以是一个或多个整数，表示新张量的形状。如果其中一个参数是-1，则表示该维度的大小由PyTorch自动计算。在使用view函数时，需要注意保证张量的连续性，可以使用contiguous()函数来实现。同时，为了保证维度的正确性，建议在使用view函数时配合permute函数使用。下面是一个使用view函数的例子： import torch t1 = torch.tensor([1,2,3,4,5,6]) result = t1.view(3,2) print(result) 输出结果为： tensor([[1, 2], [3, 4], [5, 6]]) --相关问题--: 1. PyTorch中的reshape函数和view函数有什么区别？ 2. 如何在PyTorch中实现张量的

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

magicwindyyd

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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