1. 基本语法介绍
torch.reshape() 是 PyTorch 中用于改变张量形状的函数。它返回一个新张量,其数据与输入张量相同,但具有指定的形状。如果可能,该函数将返回输入张量的视图(即不复制数据),但如果无法返回视图,则会返回数据的副本。
改变形状时,元素不能变
2. 代码解释
import torch
x = torch.tensor([[1, 2, 3], [4, 5, 6]])
print("原始张量 x: ")
print(x)
print("x的形状:", x.shape)
输出:
原始张量 x:
tensor([[1, 2, 3],
[4, 5, 6]])
x的形状: torch.Size([2, 3])
y = torch.reshape(x, (3, 2))
print("形状改变后的张量 y:")
print(y)
print("y的形状:", y.shape)
输出:
形状改变后的张量 y:
tensor([[1, 2],
[3, 4],
[5, 6]])
y的形状: torch.Size([3, 2])
z = torch.reshape(x, (1, 6))
print("形状改变后的张量 z:")
print(z)
print("z的形状:", z.shape)
输出:
形状改变后的张量 z:
tensor([[1, 2, 3, 4, 5, 6]])
z的形状: torch.Size([1, 6])
# reshape((-1, 1))表示行不知道,固定列自动对齐
w = torch.reshape(x, (-1, 6))
print("形状改变后的张量 w:")
print(w)
print("w的形状:", w.shape)
输出:
形状改变后的张量 w:
tensor([[1, 2, 3, 4, 5, 6]])
w的形状: torch.Size([1, 6])
# reshape((-1, 1)) 表示行不知道,固定列自动对齐
r = torch.reshape(x, (6, -1))
print("形状改变后的张量 r:")
print(r)
print("r的形状:", r.shape)
输出:
形状改变后的张量 r:
tensor([[1],
[2],
[3],
[4],
[5],
[6]])
r的形状: torch.Size([6, 1])