Pytorch学习-张量的维度变换

最新推荐文章于 2024-08-08 15:04:14 发布

Zzz_啥都不会

最新推荐文章于 2024-08-08 15:04:14 发布

阅读量5.3k

点赞数 2

分类专栏： Pytorch 文章标签： python

本文链接：https://blog.csdn.net/Zzz_zhongqing/article/details/107280300

版权

本文介绍了PyTorch中处理张量维度变化的几个关键函数：reshape、squeeze、unsqueeze和transpose。reshape用于改变张量形状，squeeze用于删除单元素维度，unsqueeze则用于增加维度，而transpose用于交换张量的维度，特别适用于图像格式转换。对于二维矩阵，可以通过.t()进行转置，等同于torch.transpose操作。

摘要由CSDN通过智能技术生成

维度变换相关函数主要有 torch.reshape(或者调用张量的view方法), torch.squeeze, torch.unsqueeze, torch.transpose

torch.reshape 可以改变张量的形状。

torch.squeeze 可以减少维度。

torch.unsqueeze 可以增加维度。

torch.transpose 可以交换维度。

import torch
torch.manual_seed(0)
minval,maxval = 0, 255

a = (minval + (maxval - minval)*torch.rand([1,3,3,2])).int()
print(a.shape)
print(a

最低0.47元/天解锁文章

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

Zzz_啥都不会

关注关注

2
点赞
踩
20

收藏

觉得还不错? 一键收藏
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

Pytorch 基础-张量基本操作

专注计算机视觉算法训练，算法优化部署以及SDK开发的知识分享。

09-09

882

Pytorch 中，张量的操作分为结构操作和数学运算，其理解就如字面意思。结构操作就是改变张量本身的结构，数学运算就是对张量的元素值完成数学运算。

reshape--矩阵变维

qq_18343569的博客

12-23

3475

【功能简介】矩阵变维。【语法格式】 1．B=reshape(A,[m n p ．．．])或B=reshape(A,m,n,p,．．．) 返回一个m×n×p的多维数组B，B与A含有相同的元素个数，即m×n×p=prod(size(A))。格式变体： B=reshape(A,m,n)：对数组A进行维度转换，返回一个m×n的矩阵。 B=reshape(A,…,[]

参与评论您还未登录，请先登录后发表或查看评论

张量维度变换

最新发布

爱吃饭的博客

08-08

730

在神经网络运算过程中，维度变换是最核心的张量操作，通过维度变换可以将数据任意地切换形式，满足不同场合的运算需求。那么为什么需要维度变换?通过线性层的批量形式入手其中，假设X包含了2个样本，每个样本的特征长度为4，X的shape为[2,4]。线性层的输出为3个节点，即W的 shape 定义为[4,3]，偏置b的shape 定义为[3]。那么X@W 的运算结果张量 shape 为[2,3]，需要叠加上 shape 为[3]的偏置b。不同shape的2个张量怎么直接相加?

TensorFlow张量的维度变换

HNUYSY的博客

11-20

4078

在神经网络运算过程中，维度变换是最核心的张量操作，通过维度变换可以将数据任意地切换形式，满足不同场合的运算需求。维度变换的一个例子： Y = X@W + b X 的 shape 为[2,4] W 的 shape 为[4,3] X@W的运算张量shape 为[2,3] 偏置b的张量为[3] 不同 shape 的 2 个张量怎么直接相加呢？需要将shape为[3]的偏置b按样本数量复制一份，变成...

【仿真基本功】【PyTorch】张量维度变换及拼接

AbaloneVH的博客

02-08

784

PyTorch中经常用到Tensor的变形。近期写GNN相关代码时，大量出现相关操作。为了避免以后仍需重复测试，特将相关内容、测试结果及个人理解整理在下面。自用的同时服务大家。同时也欢迎大家收藏和帮助我一起完善，谢谢各位~

【Pytorch基础(2)】张量的索引，切片与维度变换

lingchen1906的博客

01-19

3036

举例如下：[2, 3, 32, 32] + [3,1,1] 是不能直接相加的。Broadcast机制会先将 [3,1,1] 增加新维度变为 [1, 3, 1, 1] (等价于unsqueeze()方法)，然后再将 [1, 3, 1, 1]扩展维度为 [2, 3, 32, 32] (等价于expand()方法)从某种程度上说，

PyTorch中Tensor的维度变换实现

09-18

总结来说，掌握PyTorch中Tensor的维度变换技巧是进行深度学习编程的基础，它们帮助我们高效地组织数据，适应各种计算任务。无论是查看、变形、压缩还是解压缩Tensor的维度，这些操作都是PyTorch中处理数据的关键步骤...

Pytorch之张量维度及不同维度的操作

ZcsLv_zyq的博客

12-15

3653

参考： pytorch 矩阵维度 - 搜索结果 - 知乎 Pytorch 中的 dim操作介绍 - 大数据 - 亿速云 1.如何理解dim? pytorch的dim和numpy的axis很类似不同dim的数据长什么样? 维度为0, 0维张量也叫标量 1 维度为1, 0维张量也叫矢量 [1,2] 维度为2, 0维张量也叫

pytorch——张量的维度变换

qq_46126537的博客

07-24

1465

view和reshape 两者用法完全相同 x=torch.rand(4,3,28,28) a=x.view(4,3,28*28) print(a.shape) 一定要记住原始数据的存储方式，不然无法恢复数据如果维度变换后数据量出现变化，则会提示不能变换维度 squeeze和unsqueeze squeeze——减少维度 unsqueeze——增加维度 # 在哪一个位置增加一个维度 x=torch.rand(4,3,28,28) print(x.unsqueeze(0).shape) # [1, 4,

关于pytorch张量维度转换大全

Alexa_的博客

11-01

2085

w2的二维张量，torch.cat(a,b,0)表示在第一维进行拼接，即在特征的通道维度进行拼接，其他维度必须保持一致，即w1=w2，h1=h2。的维度进行压缩，如1,2,1,9的张量做squeeze(2)，则会降维到1,2,9维的张量；的4维张量，其中B表示batchsize，C表示特征通道数，H和W表示特征的高和宽，在将特征送入全连接层之前，会用.view将转换为。上面的操作相当于，先把形状为**（2，3）的tensor展平，变成（1，6），然后再变成（3，2）.**，所以w1和w2必须相等。

pytorch tensor张量维度转换

DecafTea的博客

02-12

220

# view() 转换维度 # reshape() 转换维度 # permute() 坐标系变换 # squeeze()/unsqueeze() 降维/升维 # expand() 扩张张量 # narraw() 缩小张量 # resize_() 重设尺寸 # repeat(), unfold() 重复张量 # cat(), stack() 拼接张量文章链接：https://blog.csdn.net/x_yan033/article/details/104965077 有详细总结

tensorflow2.0张量的维度变换

克豪的博客

09-21

2925

张量的轴的概念如果从后向前访问轴就是使用复数，如上图所示使用reshape函数改变张量的形状将形状参数设置为-1，代表自动判断长度增加和删除维度增加维度 tf.expand_dims(input,axis) input:输入的张量 axis：操作的轴效果就是在选定的轴上添加维度（相当于在选定的那个轴上面添加了一个括号，将那一维变成二维）一个多维张量的例子删除维度 tf.squeeze(input,axis) input:输入的张量 axis:对应要删除的维度注：只能删除长

torch张量的维度有关的变换——注意：对张量采取维度变换的时候一定要注意要追踪每个维度的数据，否则会出错

qq_42902997的博客

10-08

650

参考资料：bilibili https://www.bilibili.com/video/BV13a411u7G5?p=23&spm_id_from=pageDriver&vd_source=e162db2199c43956dc501bc6c0725612

pytorch中张量的维度变换

天空的味道

03-27

1097

1、view与reshape用于实现两个tensor之间的维度变换 example:将4*1*28*28的tensor变换为4*（28*28）的tensor a = torch.rand(4, 1, 28, 28) print(a.shape) b = a.view(4, 28*28) print(b.shape) 2、unsequeeze:维度扩充， sequeeze:维度删减 ...

pytorch tensor张量维度转换（tensor维度转换）