pytorch | tensor维度中使用 None

  • None可以在所处维度中多一维,具体实现。
import torch
tensor = torch.randn(3, 4)
print('tensor size:', tensor.size())
tensor_1 = tensor[:, None]
print('tensor_1 size:', tensor_1.size())
tensor_2 = tensor[:, :, None]
print('tensor_2 size', tensor_2.size())
  • 结果
tensor size: torch.Size([3, 4])
tensor_1 size: torch.Size([3, 1, 4])
tensor_2 size torch.Size([3, 4, 1])
  • 从实验结果可以看出, None 功能类似torch.unsqueeze(),方便扩展维度,而不改变数据排列顺序。
  • 29
    点赞
  • 36
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
PyTorch,可以使用split函数来对tensor进行维度拆分。split函数的用法是在指定维度上按照给定的长度进行拆分。例如,使用split函数可以按维度0将一个张量拆分为多个子张量。另外,还可以使用chunk函数进行拆分,该函数与split函数的功能类似,但是用法稍有不同。此外,PyTorch还提供了reshape和view函数来更改tensor维度。这两个函数的区别在于view要求tensor的物理内存必须是连续的,而reshape则没有这种要求。需要注意的是,view返回的是一个索引,而reshape返回的是引用还是复制是不确定的。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [PytorchTensor之间的拼接与拆分【拼接:cat、stack;拆分:split、chunk】](https://blog.csdn.net/u013250861/article/details/123417106)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [【用图说话】PyTorchTensor的拆分](https://blog.csdn.net/weixin_42516475/article/details/119598833)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [PyTorch深度学习基础之Tensor的变换、拼接、拆分讲解及实战(附源码 超详细必看)](https://blog.csdn.net/jiebaoshayebuhui/article/details/128000659)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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