-
view(), resize(), reshape() 在不改变原tensor数据的情况下修改tensor的形状,前后要求元素总数一致,且前后tensor共享内存
-
如果想要直接改变Tensor的尺寸,可以使用resize_()的原地操作函
数。在resize_()函数中,如果超过了原Tensor的大小则重新分配内存,
多出部分置0,如果小于原Tensor大小则剩余的部分仍然会隐藏保留。
-
transpose()函数可以将指定的两个维度的元素进行转置,而
permute()函数则可以按照给定的维度进行维度变换。
-
在实际的应用中,经常需要增加或减少Tensor的维度,尤其是维度
为1的情况,这时候可以使用squeeze()与unsqueeze()函数,前者用于去除
size为1的维度,而后者则是将指定的维度的size变为1。
-
有时需要采用复制元素的形式来扩展Tensor的维度,这时expand就派上用场了。expand()函数将size为1的维度复制扩展为指定大小,也可以使用expand_as()函数指定为示例Tensor的维度。
-
注意:在进行Tensor操作时,有些操作如transpose()、permute()等可能会把Tensor在内存中变得不连续,而有些操作如view()等是需要Tensor内存连续的,这种情况下需要使用contiguous()操作先将内存变为连续的。在PyTorch v0.4版本中增加了reshape()操作,可以看做是Tensor.contiguous().view()
-
Tensor的排序与取极值
-
排序函数sort(),选择沿着指定维度进行排序,返回排序后的Tensor及对应的索引位置。max()与min()函数则是沿着指定维度选择最大与最小元素,返回该元素及对应的索引位置。
-
Tensor与NumPy转换
Tensor与NumPy可以高效地进行转换,并且转换前后的变量共享内存。在进行PyTorch不支持的操作时,甚至可以曲线救国,将Tensor转换为NumPy类型,操作后再转为Tensor。
pytorch Tensor变形函数
最新推荐文章于 2024-06-29 19:17:32 发布