Pytorch view(-1)和permute的用法

Pytorch view和permute的用法

一. view的用法

首先把原先tensor中的数据按照行优先的顺序排成一个一维的数据（这里应该是因为要求地址是连续存储的），然后按照参数组合成其他维度的tensor。
比如

import torch
import numpy as np

a =np.array([[1,2,3],[4,5,6]])
a = torch.tensor(a)
print(a.size())

构造了一个2*3的tensor

torch.Size([2, 3])

tensor([[1, 2, 3],
        [4, 5, 6]], dtype=torch.int32)

但是我们想把这个tensor如下变成3*2的张量，就可以使用view函数

print(a.view(3,2))

先按照行排列，然后才转换成想要的形状

tensor([[1, 2],
        [3, 4],
        [5, 6]], dtype=torch.int32)

在这里view有一个特殊的参数，那就是-1，view(-1)是什么意思呢？
我们先看一下输出结果，结果变成了一行数据，也就是说不管原来是什么维度的张量，经过view操作之后，行优先的顺序变成了一行数据

print(a.view(-1))


tensor([1, 2, 3, 4, 5, 6], dtype=torch.int32)

-1在这里的意思是让电脑帮我们计算，比如下面的例子，总长度是20，我们不想自己算20/5=4，就可以在不想算的位置放上-1，电脑就会自己计算对应的数字，这个在实际搭建网络的时候是很好用的。

import torch
a = torch.arange(0,20)		#此时a的shape是(1,20)
a.view(4,5).shape		#输出为(4,5)
a.view(-1,5).shape		#输出为(4,5)
a.view(4,-1).shape		#输出为(4,5)

二. permute的用法

permute(dims)

将tensor的维度换位。

参数：参数是一系列的整数，代表原来张量的维度。比如三维就有0，1，2这些dimension。

再比如图片img的size比如是（28，28，3）就可以利用img.permute(2,0,1)得到一个size为（3，28，28）的tensor。就是不改变每一行数据的基本内容，并没有进行重新排列。

import torch
import numpy as np

a =np.array([[1,2,3],[4,5,6]])
a = torch.tensor(a) 
print(a.size())         #输出为(2,3)
print(a.permute(1,0))   #输出为(3,2)

tensor([[1, 4],
        [2, 5],
        [3, 6]], dtype=torch.int32)