目录
1. torch.reshape(shape) 和 torch.view(shape)函数用法
2. 当处理的tensor是连续性的(contiguous)
3. 当处理的tensor是非连续性的(contiguous)
在本文开始之前,需要了解最基础的Tensor存储方式,具体见 Tensor数据类型与存储结构
注:如果不想继续往下看,就无脑使用reshape()函数来进行tensor处理!!
1. torch.reshape(shape) 和 torch.view(shape)函数用法
torch.reshape() 和 torch.view()不会修改tensor内部的值,只是对tensor的形状进行变化,里面只包含了shape的参数,shape为当前tensor改变后的形状
示例:将x改变成shape为[2,3] 和 [3,2]的方式,reshape和view均可
x = torch.tensor([1, 2, 3, 4, 5, 6])
y1 = x.reshape(2, 3)
y2 = x.view(3, 2)
print(y1.shape, y2.shape) # torch.Size([2, 3]) torch.Size([3, 2])