Pytorch常见的数据维度变形方式，持续更新

一、将tensor转成numpy

a = torch.ones(6)
b = a.numpy()   #tensor->numpy()
print(a, b)

a += 1
print(a, b)
b += 1
print(a, b)
 

输出：

tensor([1., 1., 1., 1., 1., 1.]) [1. 1. 1. 1. 1. 1.]
tensor([2., 2., 2., 2., 2., 2.]) [2. 2. 2. 2. 2. 2.]
tensor([3., 3., 3., 3., 3., 3.]) [3. 3. 3. 3. 3. 3.]
 PS：.numpy() 的方式为浅拷贝，会共享内存，一变都变。

二、将numpy 转tensor

import numpy as np
a = np.ones(7)
b = torch.from_numpy(a)  #numpy()->tensor
print(a, b)

a += 1
print(a, b)
b += 1
print(a, b)
输出：

[1. 1. 1. 1. 1. 1. 1.] tensor([1., 1., 1., 1., 1., 1., 1.], dtype=torch.float64)
[2. 2. 2. 2. 2. 2. 2.] tensor([2., 2., 2., 2., 2., 2., 2.], dtype=torch.float64)
[3. 3. 3. 3. 3. 3. 3.] tensor([3., 3., 3., 3., 3., 3., 3.], dtype=torch.float64)

ps:torch.from_numpy()也是浅拷贝，一变都变。

一般程序中用浅拷贝，可以节省空间。

三、维度变形：

1、rearrange 这个函数，方便好用。

2、view,transpose，permute 联合使用

用完permute，一定加一个contiguous，保证数储存的连续性。

 

3、添加维度

 

 

 

 来自:Numpy怎样给数组增加一个维度 __不要清汤锅的博客-CSDN博客_numpy 增加维度