pytorch Tensor变形函数

• 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。