PYTORCH疑惑系列--permute，view，shape

最新推荐文章于 2024-06-06 21:03:24 发布

boundin box

最新推荐文章于 2024-06-06 21:03:24 发布

阅读量1.2k

点赞数 1

分类专栏： PYTORCH疑惑系列文章标签： pytorch 深度学习人工智能

本文链接：https://blog.csdn.net/qq_40246742/article/details/121305162

版权

PYTORCH疑惑系列专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文探讨了深度学习中维度转换的重要性，通过一个实验展示了torch库中的view、reshape和permute函数。实验使用了一个4x4的张量，并通过batch_x展示了它们的不同应用。view和reshape在多数情况下等效，它们按照指定形状重新构建张量，但可能在特定场景下破坏数据结构。相比之下，permute函数允许灵活地交换张量的维度，确保数据结构的完整性。

摘要由CSDN通过智能技术生成

在深度学习中经常出现维度转换操作，但维度转换很可能会打乱数据。这次我们设置一些实验去了解原理。

bs = 8
x = torch.tensor([
                [ [1, 2],[3, 4],[5, 6],[7, 8] ],
               [ [9, 10],[11, 12],[13, 14],[15, 16] ],
               [ [17, 18],[19, 20],[21, 22],[23, 24] ],
               [ [25, 26],[27, 28],[29, 30],[31, 32] ]
              ] )
batch_x = torch.cat([(x+i).unsqueeze(0) for i in range(bs)])