tensor如何转置_tensor的维度变换

tensor的维度变换

view以及reshape的用法

例子：

a = torch.rand(4,1,28,28)

a.view(4,28*28)

解读：其实就是将图片的通道数、图片的像素行列值都合并在一起，成为【4，784】，适合全连接层的输入。

例子2：

a = torch.rand(4,1,28,28)

a.view(4*1,28,28)

表示我们现在只关注feature map这个属性，而不关注它来自哪个图片的哪个通道

注意在view之后如果想恢复到原来的维数是要进行记录的，否则直接恢复是不行的。

squeeze与unsqueeze用法

unsqueeze

在相应的index的维度添加一维

例子：

a = torch.rand(4,1,28,28)

a.unsqueeze(0)

a.shape

#[1,4,1,28,28]

unsqueeze的参数是index，而index的范围是[-a.dim()-1,a.dim()+1)

-5 -4 -3 -2 -1

[ 4 , 1 , 28 , 28 ]

0 1 2 3 4

⭐如果是0 1 2 3 4的话就是在0 1 2 3 4的前面插入一维，而如果是-5 - 4- 3- 2 -1的话就是在-5 - 4- 3- 2 -1的后面插入一维

⭐例子二：

a = a.torch.tensor([1.2,2.3])#这里的数据的维度为【2】

a.unsqueeze(-1)#在最后一个后面添加一维：【2，1】

#[ [1.2] , [2.3] ] 于是就是先是两维，然后是一维

a.unsqueeze(0)#在第一维前面添加一维“【1，2】

#[ [1.2 , 2.3] ] 于是就是先是一维，里面是两维

⭐实例：

f表示4张14*14的拥有32个通道的图片，而b表示给图片的每个channel上的所有的像素添加一个偏置，我们的目标就是把b叠加在f上面，所以要将b的维度变换与f相同才可以进行，然后再进行b的扩张。

b = torch.rand(32)

f = torch.rand(4,32,14,14)

b = b.unsqueeze(1).unsqueeze(2).unsqueeze(0)

#[32] [32,1] [32,1,1] [1,32,1,1]

squeeze

删减维度，如果没有参数的话会把所有能进行删减的都删减了。

例子：

b = torch.randn(1,32,1,1)

b = b.squeeze()#所有维数是1的全部删掉

#[32]

squeeze的索引是指哪个就删哪个，除非该维度的维数不是1就不能删

expand与repeat用法

进行维度的扩展，就像前面的b【1，32，14，14】，要想与f【4，32，14，14】进行相加的话，b就要进行维度的扩展。

两种方法的区别：

两种方法在效果方面是等效的，但是expand只在需要的时候进行数据的复制，而repeat会直接复制数据。所以推荐使用expand

expand

例子：

b = torch.randn(1,32,1,1)

b.expand(4,32,14,14)

#[4,32,14,14]

局限性：

1.要求expand之前之后的dimension必须一样。

2.只能在之前维数为1的地方进行expand，而如果之前的维数为3是没有办法扩张到m的。

【3，32，14，14】——b.expand(4,32,14,14)报错

例子2：不像进行变动的地方使用-1代替就可以

b = torch.randn(1,32,1,1)

b.expand(4,32,-1,-1)

#[4,32,1,1]

repeat

repeat的参数表示你要在该维数位置进行多少次复制

例子：

b = torch.randn(1,32,1,1)

b.repeat(4,32,1,1)

#[ 4 , 1024 , 1 , 1 ]

表示1复制4次变为4，32复制32次变为1024，其它没变

.t()转置

进行tensor的转置，但是要注意：只能进行2D tensor的转置，即矩阵的转置。

transpose转置

进行某几维之间的相互交换

例子：

b = torch.randn(4,3,32,32)

b = b.transpose(1,3)

#[4,32,32,3]

# 0 1 2 3

例子2：这样变换前后的二者是一样的(contiguous()表示进行transpose之后数据不再是按顺序存放的，使用该方法进行顺序的调整)

a2 = b.transpose(1,3).contiguous().view(4,3*32*32).view(4,3,32,32).transpose(1,3)

注意：[B C H W] → [B W H C] → [B W * H * C] →[B C W H]这样的变换是不行的 W与H的顺序变换了，图像也会处出现变换

⭐例子3：

a = torch.rand(4,3,28,28)#[B C H W]

a.transpose(1,3)#[B W H C]

a.transpose(1,2)#[B H W C]

由于[B H W C]是numpy中储存图片的方式，所以这样变换以后才能导出numpy

permute函数

transpose中的例子3使用permute函数进行简单的一步变换：

a = torch.rand(4,3,28,28)#[B C H W]

a.permute(0,2,3,1)#[B H W C]