[PyTorch][numpy]扩展维度的一种Trick

说到扩展维度,可能第一想法是调用sequeeze()函数,但是实际上会有更简单的方式:

x = torch.Tensor(3, 2)
print(x.size())
print(x[:, :, None].size())
print(x[:, None, :, None].size())

打印结果:

torch.Size([3, 2])
torch.Size([3, 2, 1])
torch.Size([3, 1, 2, 1])
  • 很简单,看代码就能理解,不再赘述。

另外,在PyTorch里,repeatexpend函数的区别在于,对于dim为1的某个维度,后者不会申请更多的内存。这个机制有利于节省空间。

x = torch.Tensor(3, 1)
print(x.repeat(1, 4).size())
print(x.expand(3, 4).size())

print(x.repeat(1, 4))
print(x.expand(3, 4)) # 等价于 x.expand(-1,4)

print:

torch.Size([3, 4])
torch.Size([3, 4])
tensor([[-7.6648e+06, -7.6648e+06, -7.6648e+06, -7.6648e+06],
        [ 3.0844e-41,  3.0844e-41,  3.0844e-41,  3.0844e-41],
        [-7.7269e+05, -7.7269e+05, -7.7269e+05, -7.7269e+05]])
tensor([[-7.6648e+06, -7.6648e+06, -7.6648e+06, -7.6648e+06],
        [ 3.0844e-41,  3.0844e-41,  3.0844e-41,  3.0844e-41],
        [-7.7269e+05, -7.7269e+05, -7.7269e+05, -7.7269e+05]])

实际上,这是numpy.array的一种特性,PyTorch中的Tensor继承了Numpy中array的很多特性,因此你在PyTorch中也可以这么用。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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