torch中tensor的view函数

import numpy as np
import torch

x = torch.Tensor(2, 2, 2)

y = x.view(1, 8)    #输出维度:1*8
z = x.view(-1, 4)  # -1表示维数自动判断,此输出的维度为:2*4
t = x.view(8)      #输出维度 :   8*1

t = x.view(-1)   #输出维度: 1*8
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
torch.tensor.view()是一个用于改变tensor形状的方法。它返回一个新的tensor,该tensor具有与给定的尺寸参数相同的形状。该方法类似于torch.reshape(),但有一些区别。view()不会重新拷贝数据,而是直接在原有tensor的基础上改变形状,因此它是一种内存高效的操作。 具体来说,当使用view()方法时,返回的新tensor与给定的尺寸参数相同,即具有相同的维度和元素数量,但可能具有不同的存储顺序。这意味着view()方法可以用于改变tensor的形状,但不能用于改变存储顺序。 需要注意的是,view()方法只能用于改变tensor的形状,而不能用于改变tensor的尺寸。尺寸的改变需要使用resize()或resize_()方法。此外,view()方法返回的新tensor与原始tensor共享内存,因此对其一个进行修改会影响到另一个。 更多关于torch.tensor.view()的详细信息可以参考官方文档:https://pytorch.org/docs/stable/generated/torch.Tensor.view.html#torch.Tensor.view<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [pytorchtorch.max和Tensor.view函数用法详解](https://download.csdn.net/download/weixin_38697063/13761162)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [【Pytorchtorch.Tensor.view()](https://blog.csdn.net/weixin_44225182/article/details/126655324)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [PyTorchtorch.Tensor.view()和torch.Tensor.view_as()的用法详解](https://blog.csdn.net/gongxifacai_believe/article/details/121278968)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值