Pytorch教程（十三）：reshape、squeeze、flatten

最新推荐文章于 2024-07-03 10:17:22 发布
最新推荐文章于 2024-07-03 10:17:22 发布
阅读量1.4k 收藏 2
点赞数 1
分类专栏： pytorch教程 文章标签： pytorch 深度学习 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/vincent_duan/article/details/120615271
版权
本文详细介绍了深度学习中张量的三种基本操作：reshape用于改变张量的形状，保持元素总数不变；squeeze移除长度为1的轴；flatten则将张量压缩成一维。这些操作在神经网络中，特别是在从卷积层过渡到全连接层时至关重要。理解并熟练运用这些操作对于构建和优化模型非常关键。
摘要由CSDN通过智能技术生成

reshape

首先我们创建一个tensor，shape： 3 × 4 3 \times 4 3×4，是一个两个轴的二阶张量。第一个轴的长度是3，第二个轴的长度是4，第一个轴的元素是数组，第二个轴的元素是数字
在这里插入图片描述
我们可以用torch.size()或者torch.shape来获取形状
在这里插入图片描述
张量形状给出的另一个重要特征是张量中包含的元素的个数，也可以通过获取shape中各分量的值乘积来推导出来：
在这里插入图片描述
因为我们的元素有12个，因此任何reshape操作都必须考虑这12个元素。
在这里插入图片描述

squeeze压缩

在这里插入图片描述
squeeze()压缩一个张量可以移除所有长度为1的轴axis，而解压一个张量则会增加一个长度为1的维度。因此squeeze和unsqueeze可以扩大或缩小张量的秩。

flatten

通过构建一个flatten来压缩一个张量，当我们把一个张量拉平时，意味着我们把张量变成了更低秩的张量。所以flatten，本质上就是压缩张量，压缩一个张量意味着除去所有的轴，只保留一个，他创造了一个单轴的张量，它包含了张量元素。

一个flatten操作，是当我们从一个卷积层过渡到一个全连接层时必须在神经网络中发生的操作。传递给全连接层的卷积层输出必须在进入全连接层之前进行flatten。

flatten是一种特殊的reshape，即将所有的轴都被积压在一起。

在这里插入图片描述
在这里插入图片描述

cat拼接

vincent_hahaha
关注
专栏目录
pytorch学习笔记十七：官方API文档小总结
耐心的小黑的博客
12-06 2151
一、torch下的常用API，基本上都是对数据进行处理的函数 ①操作数据： torch.is_tensor,torch.set_default_dtype,torch.get_default_dtype,torch.cat,torch.index_select,torch.reshape,torch.squeeze,torch.t,torch.unsqueeze,torch.transpose,torch.take,torch.where ②定义数据(tensor)： torch.tensor,tor
【卷积网络模型系列】轻量级卷积网络SqueezeNet的介绍与实现（Pytorch,Tensorflow）
u010057965的专栏
11-17 1828
一、背景介绍 在2012年AlexNet问世以为，卷积神经网络在图像分类识别，目标检测，图像分割等方面得到广泛应用，后续大牛们也提出了很多更优越的模型，比 如VGG, GoogLeNet系列，ResNet, DenseNet等。 伴随着精度的提升，对应模型的深度也随着增加，从AlexNet的7层，到16 层 VGG，再到GoogLeNet 的 22 层，再到 152 层 Re...
一起理解Transpose 、 Flatten 、Reshape、全连接层
SpaceSunflower 's ML/DL home
12-02 903
【一起理解】Transpose 、 Flatten 、Reshape、全连接层
PyTorch常用函数 | squeeze与unsqueeze函数 | flatten函数 | Pytorch中的各种乘法 | mul与mv与mm与dot与matmul函数
liujiesxs的博客
09-19 868
PyTorch常用函数
【chatgpt】 PyTorch中reshape方法
最新发布
Never Give Up
07-03 352
reshape方法用于重塑张量。-1作为参数表示自动推断该维度的大小，以确保新张量的总元素数量与原张量一致。reshape与view的主要区别在于reshape更加灵活，可以在张量不连续时使用。通过使用reshape方法，可以方便地改变张量的形状，以满足不同的需求。
Pytorch中的 flatten() ，squeeze() 和 unsqueeze() 的区分
qsx123432的博客
04-06 1946
@[TOC]( Pytorch中的 flatten() ，squeeze() 和 unsqueeze() 的区分 ) 解释 flatten() 用于将数据展开。 squeeze() 用于将数据进行压缩，移除某个维度 Compute torch.squeeze(input). It squeezes (removes) the size 1 and returns a tensor with all other dimensions of the input tensor. unsqueeze() 用于将
flatten与reshape
weixin_43444314的博客
09-21 1424
flatten import numpy as np a = [[1,2,3]] a = np.array(a) a = a.flatten() print(a.shape) 输出为 (3,) 所以flatten以后是个一维的列向量。 tf.layers.flatten 是在保留第0轴的情况下，将向量扁平化 reshape 将第一个中的a变为行向量，就reshape((1,-1))即可 ...
Pytorch——Flatten, Reshape, and Squeeze Explained
TonyHsuM的博客
02-11 534
Flatten, Reshape, and Squeeze ExplainedTensor operation typesReshaping operations for tensorsReshaping a tensor in PyTorchChanging shape by squeezing and unsqueezingFlatten a tensorConcatenating tenso...
PyTorch - 09 - Flatten, Reshape, 和Squeeze说明 - 使用PyTorch进行深度学习的张量
weixin_48367136的博客
01-11 1187
欢迎回到有关神经网络编程的系列文章。 从本系列的这篇文章开始，我们将开始使用到目前为止所掌握的关于张量的知识，并开始涵盖神经网络和深度学习的基本张量操作。
Pytorch(2):Pytorch基础操作
JJJJJJames的博客
01-31 444
1、Pytorch如何处理string？ one-hot word embedding 2、建立tensor 第一种：import from list,小写的tensor接受现成数据，大写的Tensor接受维度 torch.tensor([1.1,2.2])#给具体数字 torch.FloatTensor(2,3)#给dim 第二种：从numpy转换 data=np.ones(2) torch.from_numpy(data) a=np.array([2,3,3]) torch.from_numy(a
pytorch参考总结
11-05
3. 张量形状变换：如`reshape()`、`transpose()`、`squeeze()`、`unsqueeze()`等。 4. 数值计算：如求导`grad`、指数`exp()`、对数`log()`、平方根`sqrt()`等。 二、nn模块 nn模块是PyTorch中构建神经网络的核心。...
numpy.reshape(),numpy.squeeze()
qq_39029148的博客
04-28 206
1、numpy.reshape() 二维： numpy.reshape((2,2)) 三维： numpy.reshape((2,2，-1)) 这里的-1，指的是自动得到第三个维度 2、numpy.squeeze() numpy.squeeze()函数 语法：numpy.squeeze(a,axis = None) 1）a表示输入的数组； 2）axis用于指定需要删除的维度，但是指定的维度必须为...
pytorch reshape和transpose
zjh12312311的博客
01-08 1217
做数据操作的时候发现计算错误，检查才知道是reshape和transpose混了。这里对两者的对比做个笔记。 代码： a = torch.rand((3,4)) print(a) print('transpose',a.transpose(0,1)) print('reshape',a.reshape(4,3)) 输出： tensor([[0.0908, 0.6192, 0.1025, 0.7192], [0.4392, 0.2334, 0.212
numpy数组中reshape和squeeze函数的使用
u011816283的博客
10-27 1253
参考了：http://blog.csdn.net/zenghaitao0128/article/details/78512715，作了一些自己的补充。 numpy中的reshape函数和squeeze函数是深度学习代码编写中经常使用的函数，需要深入的理解。 其中，reshape函数用于调整数组的轴和维度，而squeeze函数的用法如下， 语法：numpy.squeeze(a,axis = N...
在卷积层之前进行Reshape
kimyu_的博客
10-19 504
Step 1 is to gather the data. You'll notice that there's a bit of a change here in that the training data needed to be reshaped. That's because the first convolution expects a single tensor containing everything, so instead of 60,000 28x28x1 items in a lis
Pytorch详细教程——10.Flatten, Reshape, And Squeeze Explained
weixin_43872169的博客
07-25 756
因为输入的张量是任何形状的，我们通过-1来表示重塑函数的第二个参数，在pytorch中-1会告诉reshape函数，根据一个张量中的包含的其他值和元素的个数来求出值应该是多少（可以理解为占位符？），因为t有12个元素，这个被重塑的函数能够计算出第二个轴的长度是12个，以确保一个张量中的元素空间足够大。flatten一个tensor意味着除去所有的轴，只保留一个，它创造了一个单轴的张量，它包含了张量的元素，所以本质上是把一个张量拉平，我们创建了一个一维数组，它包含了张量的所有标量分量。...
python-numpy基础（shape，reshape，squeeze,transpose）
weixin_46096032的博客
08-16 298
所有的图像由opencv读取出来的都是一个numpy数据 import numpy as np a=np.array([1,2,3,4,5,6]) b=np.array([8,7,6,5,4,3]) print(a,shape,b.shape) a,b的shape是一个1维长度为6的数组 aa=np.reshape(a,(3,2)) bb=np.reshape(b,(1,1,3)) print(aa) print(bb) aa变为3行2列的数组，bb为三维的数组，他的类型为1×1×6的一个数组 这是
matlab中的reshape快速理解，卷积和乘积之间的转换
weixin_30305735的博客
03-13 214
reshape: THe convertion between convolution and multiplication: 转载于:https://www.cnblogs.com/seisjun/p/8553484.html
numpy的reshape和squeeze函数
CV前沿
07-19 613
reshape函数：改变数组的维数（注意不是shape大小） squeeze 函数：从数组的形状中删除单维度条目，即把shape中为1的维度去掉 用法：numpy.squeeze(a,axis = None) a表示输入的数组； axis用于指定需要删除的维度，但是指定的维度必须为单维度，否则将会报错； axis的取值可为None 或 int 或 tuple of ints, 可选。若axis为空，则删除所有单维度的条目； 返回值：数组 不会修改原数组； ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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