Pytorch view()函数和permute()函数的区别

最新推荐文章于 2024-08-30 20:57:01 发布
最新推荐文章于 2024-08-30 20:57:01 发布
阅读量226 收藏
点赞数
文章标签： pytorch 人工智能 python
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/Vertira/article/details/131460229
版权
view()函数不仅能进行转置，还能将三维矩阵展开成一维，实现降维操作。而permute()函数则专门用于维度的重新排列，不支持降维，它只改变数组中维度的顺序，不改变数据本身或创建新数组。
摘要由CSDN通过智能技术生成

很显然    view()函数和permute()函数都可以进行转置，就是变换维度，

区别：view() 可以将一个三维矩阵展开成一维，但是permute()函数不能。

就是说view() 可以改变维度，降维打击。permute()函数不能改变维度

Vertira
关注
Pytorch 一文搞懂view，reshape和permute，transpose用法
qq_19859865的博客
02-17 1511
存储的tensor按照行优先（row major）的顺序存储。如下图，当访问每一行的下一个元素，你只需要前进一步（stride），但是访问下一列的元素，需要前进四步（strides）。在PyTorch中，有些对Tensor的操作并不实际改变tensor的内容，而只是改变如何根据索引检索到tensor的byte location的方式，比如narrow()view()expand()permute()[1]。
[PyTorch] 使用 view() 和 permute() 转换维度
胭脂草的ABC博客
09-13 581
PyTorch 是一個基於 Python 的深度學習框架，我們可以藉由 PyTorch 所包裝好的模組、函式，輕易地實作我們想要實現的模型架構。而說到深度學習，就不得不提到使用 GPU 的平行化運算，提到 GPU 的平行化運算，就一定得說到我們得將輸入神經元的『維度』固定，好實現平行化運算。 所以，整理我們輸入張量 (Tensor) 的維度與形狀，自然就是得費心處理的工作了。 本篇文章希望紀錄在 PyTorch 當中改變張量形狀的兩個重要的函式 —— view() 以及 permute()，這兩個函式都
permute和view
zx897157658的博客
10-26 427
对于立方体 permute只是从不同角度去看他，导致长宽高发生了改变，其实还是同一个长方体 但是view会直接改变长方体的长宽高，相当于一个没变形，一个变形了
pytorch中view()与permute()的维度变换的区别
qq_41915623的博客
06-17 817
两者都可以对tensor矩阵进行维度变化，例如：原 x.shape = [batch_size, c, h, w], 使用 x.view(batch_size, c, w, h), 即可将x的维度变换成：[batch_size, c, w, h]。 也可以使用，x.permute(batch_size, c, w, h)将维度变换成：[batch_size, c, w, h]。Step1: 先按序将数据展开； Step2: 再按照view(a, b, c)中的a,b,c进行维度填充。 例如： 其变换过程如图
torch permute和view
RUN
11-10 1785
permute针对的是转换维度，view等价于reshape。 permute作用为调换Tensor的维度，参数为调换的维度。例如对于一个二维Tensor来说，调用tensor.permute(1,0)意为将1轴（列轴）与0轴（行轴）调换，相当于进行转置。 In [20]: a Out[20]: tensor([[0, 1, 2], [3, 4, 5]]) In [21]: a.permute(1,0) Out[21]: tensor([[0, 3],
Pytorch view和permute的区别
weixin_40230190的博客
05-29 862
a = torch.tensor([[[1,2,3],[4,5,6]]]) b = a.view(3,2) c = a.permute(0,2,1) print(a.size(),a) print(b.size(),b) print(c.size(),c) 输出结果不一样 a: torch.Size([1, 2, 3]) tensor([[[1, 2, 3], [4, 5, 6]]]) b: torch.Size([3, 2]) tensor([[1, 2], [3,
Pytorch之permute函数
weixin_36670529的博客
05-14 6168
1、主要作用：变换tensor维度 example： import torch x = torch.randn(2, 3, 5) print(x.size()) print(x.permute(2, 0, 1).size()) >>>torch.Size([2, 3, 5]) >>>torch.Size([5, 2, 3]) 2、介绍一下transpo...
基于PyTorch的permute和reshape/view的区别介绍
09-16
在PyTorch中，`permute`、`reshape`（通过`.view()`方法实现）和`view`都是处理Tensor形状变换的重要操作，但它们之间有着本质的区别。 首先，`permute`函数的主要功能是对Tensor的维度进行调换。它接受一个维度...
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,
pytorch view 函数介绍
最新发布
qq_27390023的博客
08-30 907
view是一个高效的形状转换工具，在不改变数据的情况下重新排列张量的形状。使用view可以使代码更简洁和灵活，但在使用时需要确保张量的连续性和元素总数的一致性。
pytorch中的permute和view
mystyle_的博客
12-22 430
总的来说，就是transpose只能用于二维矩阵的转置（可以是高维矩阵中的二维），permute可以看作是多次进行transpose，其本质是维度互换 然而view必须操作在一个contiguous 的tensor上，原因是因为其操作先把tensor展成一个一维的向量，之后再reshape成一个想要的维度。 因此view和permute的操作含义不一样，但是具体使用中怎么正确的使用我还没搞的特别清楚，日后填坑 转载好文章https://zhuanlan.zhihu.com/p/76583143 ...
PyTorch中的形状变换术：reshape、view与permute的区别与联系
mariodf的博客
05-17 598
PyTorch中的形状变换术：reshape、view与permute的区别与联系
torch：transpose()和permute()和view()的联系与区别
u013373155的博客
04-01 1322
transpose()和permute()和view()的联系与区别
Pytorch中View和Permute函数比较
qq_36892712的博客
03-31 219
View和Permute函数都可以用来reshape（调整矩阵形状），本文主要用来测试其不同点。使用Permute时，是在维度上做了变换，类似于转置T，（原始数据。使用View时，是在连续数据上进行reshape（原始数据。
张量/数组存储方式与向量化展开/展平、view、reshape、permute对比
欢迎关注，共同进步！
01-05 2805
对于一个Tensor来说，我们可以认为它有两种存储方式。
pytorch中tensor维度转换view()和permute()
weixin_44485421的博客
08-05 1602
pytorch中常用的维度转换。view(),permute(),transpose() 首先了解一下tensor的size是怎么来的，几个中括号就说明有几个维度，然后看第一个中括号里用逗号分隔开了几个元素，就是第一个维度的值，其他依次类推。
Pytorch中 permute / transpose 和 view / reshape， flatten函数
ytusdc的博客
08-21 4904
Pytorch中 permute、transpose 和 view 、resize函数
pytorch view函数用法
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
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