向量扁平化：使用reshape(-1)

前言：

在深度学习中，我们经常需要将一个多维向量展平成一个一维向量，故此时我们可以通过使用reshape(-1)来做到这一点。

原理讲解：

在PyTorch中，reshape(-1)的作用是将张量重塑为一个一维张量，即将张量展平成一个向量，其中包含了所有原始张量中的元素，但不改变元素的顺序。

具体来说，当调用 reshape(-1) 时，PyTorch会根据原始张量的维度和元素数量自动推断出新的形状，并将原始张量重塑为这个形状。由于 -1 的含义是由PyTorch自动推断，所以它会根据原始张量的大小和剩余的维度来确定重塑后的维度。

代码：

例如，假设有一个形状为 (2, 3) 的二维张量 x,我们调用 reshape(-1) 来将其展平为一维张量,并将展平后的结果打印出来。

import torch

x = torch.tensor([[1, 2, 3],
                  [4, 5, 6]])
x_flat = x.reshape(-1)
print(x_flat)

运行结果：

>>>tensor([1, 2, 3, 4, 5, 6])

 

---

如有问题，欢迎评论区或私信讨论