Pytorch几种修改Tensor尺寸（shape）的方法

2. tensor.view()

根据tensor.view方法，可以调整tensor的形状，但必须保证调整前后元素总数一致（例如原tensor.shape = (1, 6）元素总数为1*6=6，调整好之后tensor.view(2, 3) 2*3 = 6保持前后总数一致。view不会改变自身数据，返回的新的tensor与源tensor共享内存，即更改其中一个，另外一个也会跟着改变。

#input
import torch

a = torch.arange(0, 6)
b = a.view(2, 3)

print(b)

#output
# tensor([[0, 1, 2],
        [3, 4, 5]])

2.tensor.unqueeze()和tensor.squeeze()

tensor.unsqueeze 和 tensor.squeeze分别用于增加或减少tensor的某一维度。

import torch

a = torch.arange(0, 6)
b = a.view(2, 3)

#input1
b.unsqueeze(1)# 在第1维（下标从0开始）上增加“1”

print(b)
#output1
#tensor([[0, 1, 2],
        [3, 4, 5]])

#input2
b.unsqueeze(-2) #-2表示倒数第二个维度

print(b)

#output2
#tensor([[0, 1, 2],
        [3, 4, 5]])

#input3
c = b.view(1, 1, 1, 2, 3)
c.unsqueeze(0) #压缩第0维的“1”

print(c)
#output3    
#tensor([[[[[0, 1, 2],
           [3, 4, 5]]]]])

#input4
c.squeeze() #把所有维度为“1”的压缩

print(c)
#output4
tensor([[[[[0, 1, 2],
           [3, 4, 5]]]]])

3.tensor.resize_()

tensor.resize_()功能和view都是修改shape的形状，但与view不同，它可以修改tensor的尺寸。如果新尺寸超过了原尺寸，会自动分配新的内存空间；如果新尺寸小于原尺寸，则之前的数据依旧会保存。（注意此方法对于使用求梯度require_grad的变量无法进行修改，会报错！）

import torch

a = torch.arange(0, 6)
b = a.view(2, 3)

b.resize_(1, 3)
print(b)

#output
#tensor([[0, 1, 2]])