PyTorch中的view的用法

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],
        [ 0.7283,  0.4699],
        [ 2.3261,  0.1599]])

torch.view(参数a,参数b,…)，其中参数a=3,参数b=2决定了将一维的tt1重构成3*2维的张量。
有时候会出现torch.view(-1)或者torch.view(参数a,-1)这种情况。则-1参数是需要估算的。

import torch
tt3=torch.tensor([[-0.3623,-0.6115],[0.7283,0.4699],[2.3261,0.1599]])
result2=tt3.view(2,-1).contiguous()

则result2为

tensor([[-0.3623, -0.6115,  0.7283],
        [ 0.4699,  2.3261,  0.1599]])

其中contiguous()

contiguous()->Tensor

返回一个内存连续的有相同数据的tensor，如果原tensor内存连续，则返回原tensor

pytorch contiguous的使用

contiguous一般与transpose，permute，view搭配使用：使用transpose或permute进行维度变换后，调用contiguous，然后方可使用view对维度进行变形（如：tensor_var.contiguous().view() ）