torch.view()

已于 2022-05-03 20:06:41 修改
阅读量7.5k 收藏 1
点赞数 1
分类专栏： pytorch知识宝典 文章标签： pytorch 深度学习 人工智能
于 2020-06-11 00:47:50 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/106678947
版权
本文介绍了PyTorch中的torch.view()函数，展示了如何通过该函数改变张量的形状。通过实例，我们看到一个4x3的张量被重塑为1x24，然后进一步提取出其第一列的元素，得到一个1x4的张量，强调了torch.view()在深度学习模型中调整数据维度的重要性。
摘要由CSDN通过智能技术生成 



import torch
conf_data=torch.tensor([[[1, 2,3], [4,5,6]], [[7,8,9],[10,11,12]],[[10, 20,30], [40,50,60]], [[70,80,90],[100,110,120]]])

conf_t=torch.tensor([1,2,3,4])
conf_data = conf_data.view(-1, 3)

conf_t = conf_t.view(-1)


print(conf_data)
print(conf_t)

结果：

tensor([[  1,   2,   3],
        [  4,   5,   6],
        [  7,   8,   9],
        [ 10,  11,  12],
        [ 10,  20,  30],
        [ 40,  50,  60],
        [ 70,  80,  90],
        [100, 110, 120]])
tensor([1, 2, 3, 4])

AI算法网奇
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
torch view view_as
jacke121的专栏
06-26 4448
import torch a = torch.rand(3, 3, 4, 5) b = a.view(3, -1) c = b.view(3, 3, 4, 5) d = torch.rand(3, 12, 1, 5) print(torch.equal(c, a)) e=a.view_as(d) print(e)view_as reshape到跟d一样
Pytorch中torch.gather函数
12-21
在PyTorch中，`torch.gather`是一个非常实用的函数，它允许用户根据指定的索引值从张量中提取特定位置的数据，并将这些数据组合成一个新的张量。这个功能在处理序列数据、实现神经网络中的注意力机制或在可视化网络...
【Pytorch】torch.Tensor.view()使用
让算法融入生活，改变生活！
04-27 1598
官方文档：https://pytorch.org/docs/stable/generated/torch.Tensor.view.html?highlight=torch%20view#torch.Tensor.view 形式：Tensor.view(*shape) → Tensor 作用：返回一个新的张量，其数据与自张量相同，但形状不同。 说明：返回的张量共享相同的数据，并且必须具有相同数量的元素，但可能具有不同的大小。 当不清楚是否可以执行 view() 时，建议使用 reshape()，如果形状兼容则
PyTorch学习之 torch.Tensor.view 函数
最新发布
qq_46396470的博客
07-01 295
函数，用于高效地调整张量（tensor）的形状。可以重新组织张量的数据而不改变其内容，使我们能够更灵活地处理和操作数据。
torch.view() 详解
you 是 mine
01-05 5199
功能同reshape相似，但是 view() 只能操作 tensor，reshape() 可以操作 tensor 和 ndarray。view() 只能用在 contiguous（连续） 的变量上。如果在 view 之前用了 transpose, permute 等切片处理，需要用 contiguous() 来返回一个 contiguous copy。pytorch 中的 torch.reshape() 大致相当于 tensor.contiguous().view()
深度学习框架_PyTorch_torch.view()函数
欢迎大家关注我
02-14 1651
用法：torch.view()返回的数据和传入的tensor一样，只是形状不一样。 注意：返回的tensor和传入的tensor共享内存，也就是修改其中一个，数据都会变。 接下来我们举一个例子： >>> a = torch.ones(6,3) >>> a tensor([[1., 1., 1.], [1., 1., 1.], [1...
torch.view函数用法
wahahaha116的博客
08-01 1万+
这句话一般出现在model类的forward函数中，具体位置一般都是在调用分类器之前。分类器是一个简单的nn.Linear()结构，输入输出都是维度为一的值，x=x.view(x.size(0),-1)这句话的出现就是为了将前面多维度的tensor展平成一维。view中一个参数定为-1，代表自动调整这个维度上的元素个数，以保证元素的总数不变。在使用pytorch定义神经网络时，经常会看到类似如下的.view()用法。view()相当于reshape、resize，重新调整Tensor的形状。........
torch库view函数用法
Flywheresea的博客
06-27 1万+
1函数.view() view（）用于改变tensor的形状 >>>x = torch.ones(2,2) >>>xv = x.view(-1) >>>x tensor([[1.,1.], [1.,1.]]) >>>xv tensor([1.,1.,1.，1.]) 将一个2×2的张量变为1×4，就是通过view(1,4)，1行4列。如果改为view（4，1），就会变为4×1的tensor,参数-1表示自适应，比如长度4
pytorch中torch.max和Tensor.view函数用法详解
12-23
torch.max() 1. torch.max()简单来说是返回一个tensor中的最大值。 例如： >>> si=torch.randn(4,5) >>> print(si) tensor([[ 1.1659, -1.5195, 0.0455, 1.7610, -0.2064], [-0.3443, 2.0483, 0.6303, 0.9475, 0....
torch.mean()
01-06
x=torch.arange(12).view(4,3) ''' 注意：在这里使用的时候转一下类型，否则会报RuntimeError: Can only calculate the mean of floating types. Got Long instead.的错误。 查看了一下x元素类型是torch.int64,根据...
浅谈Pytorch torch.optim优化器个性化的使用
09-17
x = x.view(-1, 16 * 5 * 5) x = self.classifier(x) return x ``` 接下来，我们介绍优化器的基本使用方法。通常，我们会选择一个优化器，如SGD（随机梯度下降），并传入模型的参数以及学习率。以下是如何创建一...
Pytorch之view及view_as使用详解
09-18
今天小编就为大家分享一篇Pytorch之view及view_as使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
在torch里面，view函数
m0_46171719的博客
05-16 3641
在torch里面，view函数相当于numpy的reshape，来看几个例子： a = torch.arange(1, 17) # a's shape is (16,) a.view(4, 4) # output below tensor([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12], [13, 14, 15, 16]]) [torch.FloatTensor of size 4x4] ...
torch中的torch.view() torch.permute()和 torch.transpose()以及numpy中的numpy.random.permutation()
weixin_40607008的博客
01-06 2221
直入主题： 1.torch.view()是先把所有的Tensor()变成一维数据，然后按需(数据的维度)索取。举个例子 如果参数中出现-1值，那么这个位置的数据就要按照其他位置来判断了。比如上述例子中， 这个-1的值是4，是由其他位置(这里是2)计算得来的，只要保证数据的数量一致就可以。 2.torch.permute() 相比之下permute()的理解要稍微复杂一点。 其作...
【PyTorch】PyTroch中.view()函数的详细使用方法
开水的博客
08-08 8588
PyTorch中的.view()函数是一个用于改变张量形状的方法。它类似于NumPy中的.reshape()函数，可以通过重新排列张量的维度来改变其形状，而不改变张量的数据。在深度学习中，.view()函数常用于调整输入数据的形状以适应模型的输入要求，或者在网络层之间传递数据时进行形状的转换。.view()函数的语法如下，shape是一个整数元组，用于指定新的张量形状，新形状的元素个数必须与原形状的元素个数相同。函数返回一个具有指定形状的新张量，但与原始张量共享数据存储，因此它们指向相同的内存区域。
torch:)——PyTorch: view( )用法详解
fuhao7i的博客
11-13 1万+
torch:)——PyTorch: view( )用法详解 PyTorch 中的view( )函数相当于numpy中的resize( )函数，都是用来重构(或者调整)张量维度的，用法稍有不同。 1. view(参数a, 参数b, 参数c…) >>> import torch >>> re = torch.tensor([1, 2, 3, 4, 5, 6]) >>> result = re.view(3,2) >>> result te
PyTorch中的view的用法
赵凯月的博客
05-09 544
在PyTorch中view函数作用为重构张量的维度，相当于numpy中的resize()的功能，但是用法不太一样 import torch tt1=torch.tensor([-0.3623,-0.6115,0.7283,0.4699,2.3261,0.1599]) 则tt1.size()为torch.Size([6])，是一个一行的tensor。现在通过view可以将其重构一下形状。 result=tt1.view(3,2) result tensor([[-0.3623, -0.6115],
pytorch--view函数用法
weixin_41978551的博客
12-16 6498
在pytorch中view函数的作用为重构张量的维度，相当于numpy中resize（）的功能 1. torch.view(参数1,参数2…) >>> import torch >>> t1 = torch.tensor([1,2,3,4,5,6]) >>> result = tt1.view(3,2) >>> result tensor([[1, 2], [3, 4], [5, 6]]) 创建一个6维
PyTorch中view的用法
热门推荐
york1996的博客
08-22 27万+
相当于numpy中resize（）的功能，但是用法可能不太一样。 我的理解是： 把原先tensor中的数据按照行优先的顺序排成一个一维的数据（这里应该是因为要求地址是连续存储的），然后按照参数组合成其他维度的tensor。比如说是不管你原先的数据是[[[1,2,3],[4,5,6]]]还是[1,2,3,4,5,6]，因为它们排成一维向量都是6个元素，所以只要view后面的参数一致，得到的结果都...
torch .view
07-13
torch.view是PyTorch中的一个函数，用于改变张量的形状（shape）而不改变其数据。它接受一个张量作为输入，并返回一个具有新形状的张量。 例如，如果有一个形状为(4, 3)的张量，可以使用torch.view来将其转换为形状...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值