Pytorch-view函数

相当于numpy中resize（）的功能，但是用法可能不太一样。

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。比如说是不管你原先的数据是[[[1,2,3],[4,5,6]]]还是[1,2,3,4,5,6]，因为它们排成一维向量都是6个元素，所以只要view后面的参数一致，得到的结果都是一样的。比如，

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

print(a.view(1,6))
print(b.view(1,6))

得到的结果都是tensor([[1., 2., 3., 4., 5., 6.]])

再看一个例子：

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

将会得到：

    tensor([[1., 2.],
            [3., 4.],
            [5., 6.]])

相当于就是从1，2，3，4，5，6顺序的拿数组来填充需要的形状。但是如果您想得到如下的结果：

    tensor([[1., 4.],
            [2., 5.],
            [3., 6.]])

就需要使用另一个函数了：permute（）

import torch as t 
a = t.arange(0, 6) 
print(a) b = a.view(2, 3) 
# 当某一维是-1时，会自动计算他的大小。 
c = a.view(-1, 3) 
d = a.view(2, -1) 
print(b) 
print(c) 
print(d) 

将会得到：

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


转载地址：https://blog.csdn.net/york1996/article/details/81949843