python维度变换_PyTorch中Tensor的维度变换实现

对于 PyTorch 的基本数据对象 Tensor (张量)，在处理问题时，需要经常改变数据的维度，以便于后期的计算和进一步处理，本文旨在列举一些维度变换的方法并举例，方便大家查看。

维度查看：torch.Tensor.size()

查看当前 tensor 的维度

举个例子：

>>> import torch

>>> a = torch.Tensor([[[1, 2], [3, 4], [5, 6]]])

>>> a.size()

torch.Size([1, 3, 2])

张量变形：torch.Tensor.view(*args) → Tensor

返回一个有相同数据但大小不同的 tensor。 返回的 tensor 必须有与原 tensor 相同的数据和相同数目的元素，但可以有不同的大小。一个 tensor 必须是连续的 contiguous() 才能被查看。

举个例子：

>>> x = torch.randn(2, 9)

>>> x.size()

torch.Size([2, 9])

>>> x

tensor([[-1.6833, -0.4100, -1.5534, -0.6229, -1.0310, -0.8038, 0.5166, 0.9774,

0.3455],

[-0.2306, 0.4217, 1.2874, -0.3618, 1.7872, -0.9012, 0.8073, -1.1238,

-0.3405]])

>>> y = x.view(3, 6)

>>> y.size()

torch.Size([3, 6])

>>> y

tensor([[-1.6833, -0.4100, -1.5534, -0.6229, -1.0310, -0.8038],

[ 0.5166, 0.9774, 0.3455, -0.2306, 0.4217, 1.2874],

[-0.3618, 1.7872, -0.9012, 0.8073, -1.1238, -0.3405]])

>>> z = x.view(2, 3, 3)

>>> z.size()

torch.Size([2, 3, 3])

>>> z

tensor([[[-1.6833, -0.4100, -1.5534],

[-0.6229, -1.0310, -0.8038],

[ 0.5166, 0.9774, 0.3455]],

[[-0.2306, 0.4217, 1.2874],

[-0.3618, 1.7872, -0.9012],

[ 0.807