torch中的a.view(size,-1)或a.view(-1,size)函数

最新推荐文章于 2023-08-18 20:54:30 发布

code_yinmengkai

最新推荐文章于 2023-08-18 20:54:30 发布

阅读量165

点赞数

文章标签： python 深度学习 Powered by 金山文档

本文链接：https://blog.csdn.net/qq_39305020/article/details/129621891

版权

随机生成一个4x4张量,view类似于numpy的reshape函数

a=torch.randn(4,4)

tensor([[ 0.1212, -0.4321,  1.9495, -0.2867],
        [-0.1386,  1.8068, -0.8957, -1.2897],
        [ 0.1581, -0.7511,  1.4206,  0.9387],
        [ 0.1972, -0.6240, -1.3137,  0.4474]])

确定行数，列数

a.view(2,8)

tensor([[ 0.1212, -0.4321,  1.9495, -0.2867, -0.1386,  1.8068, -0.8957, -1.2897],
        [ 0.1581, -0.7511,  1.4206,  0.9387,  0.1972, -0.6240, -1.3137,  0.4474]])

确定行数

a.view(2,-1)

tensor([[ 0.1212, -0.4321,  1.9495, -0.2867, -0.1386,  1.8068, -0.8957, -1.2897],
        [ 0.1581, -0.7511,  1.4206,  0.9387,  0.1972, -0.6240, -1.3137,  0.4474]])

确定列数

a.view(-1,8)

tensor([[ 0.1212, -0.4321,  1.9495, -0.2867, -0.1386,  1.8068, -0.8957, -1.2897],
        [ 0.1581, -0.7511,  1.4206,  0.9387,  0.1972, -0.6240, -1.3137,  0.4474]])

行数，列数，并不可以随便设置

a.view(3,-1)

RuntimeError: shape '[3, -1]' is invalid for input of size 16

优惠劵

code_yinmengkai

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
torch中的a.view(size,-1)或a.view(-1,size)函数

torch中的a.view(size,-1)或a.view(-1,size)函数
复制链接

扫一扫

Pytorch之view及view_as使用详解

01-20

view函数的-1参数的作用在于基于另一参数，自动计算该维度的大小很重要的一点 view函数只能由于contiguous的张量上，具体而言，就是在内存中连续存储的张量。具体而言，可以参看 ...

torch.view() 详解

you 是 mine

01-05

4147

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()

1 条评论您还未登录，请先登录后发表或查看评论

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。........

分析pytorch中的view和reshape

laizi_laizi的博客

09-21

3791

在pytorch编写的代码中，view方法和reshape方法是非常常用的。但是经过我的一次亲手撸代码的经历，发现事情并不那么简单，那就一起来看一下我为何这么说吧？一、基础认知在此之前，希望对以下几点我们是有共同认知的：（B, C, H, W）这个形式的tensor通常都是作为网络的输入，而每个维度都是有其意义的，比如第一维的B就是不同的图片（暂且认为是输入的图片），也就是一个批次中的batch size大小，C是tensor的通道， H和W分别是tensor 的spatial size，即高和宽。

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基础 - 6. torch.reshape() 和 torch.view()

Aaron_neil的博客

04-14

2124

当tensor是连续的，torch.reshape() 和 torch.view()这两个函数的处理过程也是相同的，即两者均不会开辟新的内存空间，也不会产生数据的副本，只是改变了tensor的头信息区，如stride, 并没有修改这个tensor的存储区 Storage。当处理的tensor是非连续性的(contiguous) view()：在调用view()函数之前需要先调用 contiguous()方法，即x.contiguous().view()。

pytorch中torch.max和Tensor.view函数用法详解

12-23

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, 0.4364], [-1.5268...

关于Pytorch中view函数的使用

01-06

If you are viewing collapsing non-...注意，在使用view函数的时候一定要配合permute函数使用，类似 patches = patches.contiguous().view(B, C, -1, kernel_size*kernel_size) print(patches.shape) # [B,

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...

tensor view 使用与常见报错: shape ‘[4]‘ is invalid for input of size 6 +not compatible x.contiguous().view

ResumeProject的博客

08-08

8758

报错原因 tensor.view()方法可以调整tensor的形状，但必须保证调整前后元素总数一致 tensor.view()方法可以调整tensor的形状， \\ \color{red}但必须保证调整前后元素总数一致 tensor.view()方法可以调整tensor的形状，但必须保证调整前后元素总数一致 view不会修改自身的数据，返回的新tensor与原tensor共享内存，即更改一个，另一个也随之改变。view不会修改自身的数据，返回的新tensor与原tensor共享内存，即更改一个，另一个也随之

torch中x = x.view(..., -1)的解释

weixin_44425647的博客

03-07

3813

torch中在分类器中，经常会遇到： x = x.view(x.size(0),-1) 其实在torch里面，view函数就相当于numpy的reshape，执行的操作就是对tensor进行维度转换。 import torch x = torch.rand(2, 3, 4, 5) # 随机生成4 * 3 * 17 * 17 的数组 print("x.shape ==",x.shape) # 输出x的维度 print(x) # 输出维度 x.shape ==torch.Size([2, 3, 4, 5])

张量中 X.view()操作

最新发布

梦在黎明破晓时的博客

08-18

807

x.view()

torch.view()详解及-1参数是什么意思

JNash的博客

01-25

1866

经常可以看到调用torch.view(-1,28*28)之类的调用，那么这里的-1是什么意思呢，经过查看文档view()得到了一下结果： view()返回的数据和传入的tensor一样，只是形状不同 -1在这里的意思是让电脑帮我们计算，比如下面的例子，总长度是20，我们不想自己算20/5=420/5=4，就可以在不想算的位置放上-1，电脑就会自己计算对应的数字，这个在实际搭建网络的时候是很好用的还要注意view()返回的tensor和传入的tensor共享内存，意思就是修改其中一个，数据都会变

在torch里面，view函数

m0_46171719的博客

05-16

3609

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] ...

神经网络中view()，torch.flatten(),torch.nn.Flatten()详解

hjkdh的博客

02-23

1万+

神经网络view（）,torch.flatten（）,torch.nn.Flatten（）1、view()2、torch.nn.Flatten()3、torch.flatten() 在神经网络中经常看到view()，torch.flatten(),torch.nn.Flatten()这几个方法。这几个方法一般用于改变tensor的形状。为日后方便使用下面就一一透彻的理解一下。 1、view() view()的原理很简单，其实就是把原先tensor中的数据进行排列，排成一行，然后根据所给的view()中的参数

view(-1)函数调用报错view size is not compatible with input tensor‘s size and stride

说文科技，做有态度的研究。

01-12

1043

view(-1)出现错误

【深度学习】在学习pytorch时，一些不会的python语法总结（1）| torch.size() | torch.view()

weixin_46274756的博客

10-20

2036

【深度学习】在学习pytorch时，一些不会的python语法总结（1）| torch.size() | torch.view()

torch中的view()和reshape()的区别

qq_39197555的博客

12-15

6593

torch的view()与reshape()方法都可以用来重塑tensor的shape，区别就是使用的条件不一样。view()方法只适用于满足连续性条件的tensor，并且该操作不会开辟新的内存空间，只是产生了对原存储空间的一个新别称和引用，返回值是视图。而reshape()方法的返回值既可以是视图，也可以是副本，当满足连续性条件时返回view，否则返回副本[ 此时等价于先调用contiguous()方法在使用view() ]。因此当不确能否使用view时，可以使用reshape。如果只是想简单地重塑一个t

torch.tensor.view(-1)转换为tensorflow代码

05-03

在 TensorFlow 中，可以使用 `tf.reshape()` 函数来实现 `torch.tensor.view(-1)` 的功能。具体实现可以参考下面的代码示例： ```python import tensorflow as tf # 假设有一个形状为 [2, 3, 4] 的张量 x x = tf....

“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