x = x.view(x.size(0), -1) :是将前面多维度的tensor展平成一维。
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。
class NET(nn.Module):
def __init__(self,batch_size):
super(NET,self).__init__()
self.conv = nn.Conv2d(in_channels=3,out_channels=64,kernel_size=3,stride=1)
self.fc = nn.Linear(64*H*W*batch_size,10)
def forward(self,x):
x = self.conv(x)
x = x.view(x.size(0), -1)
out = self.fc(x)
这是个简单的网络结构,包含一个卷积层和一个分类层。forward()函数中,input首先经过卷积层,此时的输出x是包含batchsize维度为4的tensor,即(batchsize,channels,H,W),x.size(0)指batchsize的值。 x = x.view(x.size(0), -1)简化x = x.view(batchsize, -1)。
view()函数的功能根reshape类似,用来转换size大小。x = x.view(batchsize, -1)中batchsize指转换后有几行,而-1指在不告诉函数有多少列的情况下,根据原tensor数据和batchsize自动分配列数。