pytorch学习（一）：改变tensor尺寸

改变Tensor尺寸的操作

1.tensor.view

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不会改变自身数据，返回的新的tensor与源tensor共享内存，即更改其中一个，另外一个也会跟着改变。
例：

In： import torch as t
     a = t.arange(0, 6)
     a.view(2, 3)
Out：tensor([[0, 1, 2],
        [3, 4, 5]])

In： b = a.view(-1, 3)#当某一维为-1的时候，会自动计算它的大小
Out：tensor([[0, 1, 2],
        [3, 4, 5]])

2.tensor.unsqueeze 和 tensor.squeeze

tensor.unsqueeze 和 tensor.squeeze分别用于增加或减少tensor的某一维度。
例：

In： b.unsqueeze(1)#注意形状， 在第1维（下标从0开始）上增加“1”
Out：tensor([[[0, 1, 2]],
        [[3, 4, 5]]])
        
In： b.unsqueeze(-2) #-2表示倒数第二个维度
Out：tensor([[[0, 1, 2]],
        [[3, 4, 5]]])
        
In： c = b.view(1, 1, 1, 2, 3)
     c.unsqueeze(0)#压缩第0维的“1”
Out：tensor([[[[[[0, 1, 2],
            [3, 4, 5]]]]]])
            
In： c.squeeze()  #把所有维度为“1”的压缩
Out：tensor([[0, 1, 2],
        [3, 4, 5]])
        
In：a[1] = 100
    b #a和b共享内存，修改了a，b也变了
Out：tensor([[  0, 100,   2],
        [  3,   4,   5]])

3.tensor.resize

tensor.resize是另外一种可以调整tensor尺寸的方法，但与view不同，它可以修改tensor的尺寸。如果新尺寸超过了原尺寸，会自动分配新的内存空间；如果新尺寸小于原尺寸，则之前的数据依旧会保存
例：

In： b.resize_(1, 3)
Out：tensor([[  0, 100,   2]])

In： b.resize_(3, 3)#旧的数据依旧保存着，多出的数据会分配新空间
Out：tensor([[                  0,                 100,                   2],
        [                  3,                   4,                   5],
        [                  0,                   0, 2323344073926471279]])