目录
一、概述
1.在torch的网络定义部分的forward(self,x)中有可能会出现下面这句话:
x = x.view(x.size(0),-1)
2.这句话的意思是将多维度的Tensor展平成一维,但是到底转换的样子是什么样的其实我们这样看并不明白
二、代码展示
1.我们先定义一个Tensor:
import torch
a = torch.arange(1,17)
2.输出这个Tensor的内容和大小:
print(a)
print(a.size(0))
代码变为:
import torch
a = torch.arange(1,17)
print(a)
print(a.size(0))
结果为:
3.使用
x = x.view(x.size(0),-1)
将Tensor转换为1维
输入代码:
b = a.view(a.size(0),-1)
print(b)
代码变为:
import torch
a = torch.arange(1,17)
print(a)
print(a.size(0))
b = a.view(a.size(0),-1)
print(b)
结果为;
其中这个-1指的是不知道多少列的情况下,根据原来Tensor内容和Tensor的大小自动分配列数
4.换句话,和我们这样做的效果是一样的,即指定列数为1:
c = a.view(a.size(0),1)
print(c)
代码变为:
import torch
a = torch.arange(1,17)
print(a)
print(a.size(0))
b = a.view(a.size(0),-1)
print(b)
c = a.view(a.size(0),1)
print(c)
结果为:
结果果然是一样的。
5.我们还可以将行数不定(为1),指定列数为Tensor的大小:
d = a.view(-1, a.size(0))
print(d)
代码变为:
import torch
a = torch.arange(1,17)
print(a)
print(a.size(0))
b = a.view(a.size(0),-1)
print(b)
c = a.view(a.size(0),1)
print(c)
d = a.view(-1, a.size(0))
print(d)
结果为;