torch.reshape讲解(小白版)

(1)什么是reshape

reshape 就是“重新排队”。

你可以想象：你有一排小朋友，他们排成一行，现在老师说：

“重新站队，我们现在要每两个人一组，一共几组。”

这就是 reshape —— 换一种排队的方式，人（数据）没变，只是队形变了。

举个超简单的例子:

有6个数字：

[1, 2, 3, 4, 5, 6]

 这是一个一行六列的排法(形状叫(1,6))

我们现在想把它改成二行三列：

import torch

x = torch.tensor([1, 2, 3, 4, 5, 6])
y = torch.reshape(x, (2, 3))
print(y)

输出：

tensor([[1, 2, 3],
        [4, 5, 6]])

(2)reshape的特点

要记住的重点	意思

数据不变	reshape 不会动数据，只是换形状

总个数不变

比如有 6 个数，那 reshape 后也要是 6 个数

支持自动计算

用 -1 表示“这个我不算，让电脑帮我算”

自动计算示例(用-1)：

x = torch.tensor([1, 2, 3, 4, 5, 6])
y = torch.reshape(x, (-1, 2))
print(y)

我们只告诉它每组2个数，电脑自动算出组数是3：

tensor([[1, 2],
        [3, 4],
        [5, 6]])

 (3)reshape和图像有关吗

是的！比如一张图片是：

• 3 个颜色通道（RGB）

• 每个通道大小是 32x32（像素）

图片的形状就是 (3, 32, 32)，但有时候模型要你把它“展平”成一排用 —— reshape 就派上用场啦！

首先，需要了解图像是怎么存在电脑里的：

举个最常见的彩色图片例子：

• 一张彩色图像其实由 3 个颜色通道组成：红（R）、绿（G）、蓝（B）

• 每个通道是一张黑白图片（只表示某种颜色强度）

• 每个通道的大小可能是 32 × 32（比如 CIFAR10）

那么这张图片再PyTorch中的形状就是：

(3, 32, 32)  # 意思是：3 个通道，每个通道 32 高 × 32 宽

 这就叫做图像的“张量形状”(Tensor shape)

其次，为什么要reshape图像：

有时候我们训练的模型，比如线性层（nn.Linear），只接受一维向量，不认得三维的图像形状。

所以我们就需要先把图像从这种：

(3, 32, 32)  →  3 × 32 × 32 = 3072 个数

变成一维的：

(3072,) 或 (1, 3072)

这个时候就用到reshape了

举例说明：

import torch

# 假设这是一个 3x32x32 的图像
img = torch.rand(3, 32, 32)

# reshape 成一维向量
img_flat = img.reshape(-1)  # 变成 (3072,)
print(img_flat.shape)

 最后，一句话总结就是：图像在深度学习中，其实就是一个“多维数组”，reshape 就是用来调整这个数组的形状，方便模型处理。

(4)总结

• reshape 是“换形状”，就像重新排队一样

• 不会动里面的数据

• 总人数不能变（元素个数要一样）

• 可以用 -1 让电脑自动算一个维度