pytorch中矩阵变形

1.transpose

有两种调用方式,只能针对2D矩阵

Tensor.transpose(0,1) 交换0、1维度

transpose(Tensor,0,1) 交换0、1维度,返回Tensor

2.permute

只有一种调用,针对高纬矩阵

Tensor.permute(2,0,1)

!!相当于np.transpose可以进行高纬矩阵转置

3.view

返回指定维度的tensor

Tensor.view(-1,8)  #-1代表自动计算

Tensor.view(2,6) 

4.torch.reshape(因为还有一个np.reshape不做考虑)

Tensor.reshape(3,4)  不改变原来,重新复制一个



x = torch.tensor([[[1, 2, 3], [4, 5, 6]],
                  [[7, 8, 9], [10, 11, 12]]])

b = x.reshape((4, 3, 1))
c = x.reshape((1, 3, 4))
d = x.reshape((12, 1))
print('x_shape:', x.shape)  # torch.Size([2, 2, 3])
print('b_shape:', b.shape)  # b_shape: torch.Size([4, 3, 1])
print('c_shape:', c.shape)  # c_shape: torch.Size([1, 3, 4])
print('d_shape:', d.shape)  # d_shape: torch.Size([12, 1])

5.squeeze 和unsqueeze

删减和增加维度

Tensor.unsqueeze(1)  在第二维增加一个维度

Tensor.squeeze(-1)删去最后一个维度是1的维度(维度是1只起到扩钟维度的作用,不影响数值)

 y = torch.aqueeze(Tensor)

关于 view 和reshape区别可以参考:Pytorch: view()和reshape()的区别?他们与continues()的关系是什么?_view和reshape的区别-CSDN博客

view 只适合对满足连续性条件 (contiguous) 的 Tensor进行操作,不会重新复制一份,只是访问方式变了,而reshape 同时还可以对不满足连续性条件的 Tensor 进行操作,无脑用reshape 就对了

  • 8
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“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
评论 1
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