1分钟理解pytorch的reshape函数中-1表示的意义

最新推荐文章于 2024-05-16 10:56:26 发布
最新推荐文章于 2024-05-16 10:56:26 发布
阅读量1.8w 收藏 81
点赞数 56
分类专栏： Python 文章标签： python 人工智能 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42599499/article/details/105896894
版权

先说答案，reshape函数中-1代表的是n，什么意思呢，函数中另一个参数决定了-1的值，看下面三张图就很容易理解了

  1. 定义34的张量，reshape(-1, 1)，你把它想象成要转换成n1的矩阵，那是多少？没错，最后转换成了12*1的矩阵
    在这里插入图片描述

  2. 同理，如果是reshape(1, -1)呢？那就是1*12了
    在这里插入图片描述

  3. 最后的一个更加直观，如果是reshape(2, -1)呢？没错，那就是2*6的矩阵了，是不是1分钟就了解了？在这里插入图片描述

总结

-1代表n
n=tensor的长度/第一个参数

IC全硅养成记
关注
  • 56
    点赞
  • 踩
  • 81
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
pytorch 在sequential中使用view来reshape的例子
09-18
今天小编就为大家分享一篇pytorch 在sequential中使用view来reshape的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
03PyTorch入门-new1
08-03
在PyTorch中，张量（Tensors）是核心数据结构，它是多维数组，可以被用来表示各种数学对象，如标量、向量、矩阵甚至是高维数组。张量在深度学习中扮演着至关重要的角色，因为它们被用来存储模型的参数和中间计算结果...
pytorch中 reshape函数解析
scar2016的博客
03-24 2万+
1.reshape(m,n) 即： 将矩阵变成 m x n列矩阵 1.1代码： import torch x = torch.arange(12) # 生成一维行向量 ，从1到11 x 1.1结果： tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]) 1.2代码： x.reshape(3,4) # 将矩阵x变成 3行4列矩阵 1.2结果： tensor([[ 0, 1, 2, 3], [ 4, 5, 6, 7]
Pytorch reshape, view方法与张量连续性
最新发布
bj_zhb的博客
05-16 292
在多维数组中，如果在内存中逐元素地行进时，能够遵循数组的索引顺序，则称这个数组是连续的。在多维情况下，通常有更复杂的内存布局策略，如行优先存储（C风格）和列优先存储（Fortran风格）。操作是在PyTorch中用来改变张量形状的一种方法，但在使用时需要确保张量是连续的（即内存中的数据是连续排列的）。操作创建了一个非连续的张量副本（因为转置改变了数据的物理布局，但不实际移动数据），直接对其使用。方法来获取一个连续的张量副本，然后对这个连续的副本执行。在PyTorch中，一个张量的数据连续性可以通过调用。
torch.reshape输入参数为-1的含义
capsnever的博客
02-14 2075
torch.reshape(tensor,shape=[-1])
qq_50799276的博客
02-08 359
torch.reshape(tensor,shape=[-1])
pytorch的reshape函数中-1表示的意义
Cretheego的博客
01-27 765
reshape函数中-1
python的reshape(-1)和torch中的torch[-1]都是什么意思
qq_41973062的博客
04-20 2208
参考：https://www.zhihu.com/question/52684594/answer/297441394 感谢作者 举个简单的例子，要记住，python默认是按行取元素 c = np.array([[1,2,3],[4,5,6]]) 输出： [[1 2 3] [4 5 6]] 我们看看不同的reshape 输出为： 改成2行3列: [[1 2 3] [4 5 6]] 改成3行2列: [[1 2] [3 4] [5 6]] 我也不知道几行，反正是1列: [[1] [2] [.
torch.reshape
OrdinaryMatthew的博客
08-14 552
代码】torch.reshape。
基于PyTorch的permute和reshape/view的区别介绍
09-16
在PyTorch中，`permute`、`reshape`（通过`.view()`方法实现）和`view`都是处理Tensor形状变换的重要操作，但它们之间有着本质的区别。 首先，`permute`函数的主要功能是对Tensor的维度进行调换。它接受一个维度...
使用 pytorch 创建神经网络拟合sin函数
01-21
本博客写一个小例子，使用 pytorch 来编写一个神经网络来拟合 sin 函数 废话少说，直接上代码： from torch.utils.data import DataLoader from torch.utils.data import TensorDataset import torch.nn as nn ...
Tutorial72_Reshape-and-resize：在此笔记本中，您将了解有关重塑和调整大小的信息
02-27
在Python中，Numpy库提供了reshape函数，用于改变数组的形状而不改变其元素数量。例如，你可能有一个一维数组，但你希望将其转换为二维矩阵。通过reshape函数，你可以指定新的维度。例如，一个长度为12的一维数组...
pytorch_reshape的使用
weixin_44627093的博客
05-05 3248
reshape的使用 import numpy as np #假设z是一个3行4列的矩阵 z = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) reshape(-1,newshape)的理解 如果reshape的值有-1的话，那么Numpy会根据所给的新的shape的信息（newshape），自动计算补足shape缺的值 比如这里的z矩阵，shape=（3,4），一共有12个元素，如果需要构造2列的新
Reshape()函数常常出现的“-1”
yang_zm的博客
07-14 2725
Reshape()函数中出现-1，意思就是，在这个函数中，若某一维度不定义大小则用“-1”，但是只能使用一次。 很好理解，对于一个已知的多维数组，你想改变它的形状，你可以选择直接根据已知元素数量确定好各个维度大小，这个-1无非是偷了个懒（个人理解，这个-1就是在不知元素个数时派上用场），当你确定好其它维度的硬性要求，计算机根据元素个数一除，就知道-1这个地方的值了。 import numpy as np x = np.array([[1, 2, 3], [4，5，6],
Python函数reshape（-1，）
lll_turbo的博客
06-26 1475
reshape第二个参数可省略，reshape（-1，）会将将二维转为一维数组，注意与reshape(1,-1 )不同。一个是变为一维，一个是改变形状。如果我只需要特定的行数，列数多少我无所谓，我只需要指定行数，那么列数直接用-1代替就行了，计算机帮我们算赢有多少列，反之亦然。注意：但reshape第一个参数不可省略reshape（，-1）报错。
reshape(-1)函数的理解（代码讲解）
热门推荐
G果的博客
08-13 2万+
假设z是一个3行4列的矩阵 z = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) reshape(-1,newshape)的理解 如果reshape的值有-1的话，那么Numpy会根据所给的新的shape的信息（newshape），自动计算补足shape缺的值 比如这里的z矩阵，shape=（3,4），一共有12个元素，如果需要构造2列的新矩阵（只知道新矩阵的列信息），newshape=2，也即是z.
tensorflow 之 tf.reshape 之 -1
weixin_30900589的博客
04-27 140
最近压力好大，写点东西可能对心情有好处。 reshape即把矩阵的形状变一下，这跟matlab一样的，但如果参数是-1的话是什么意思呢？ 看一下例子哈： . . . In[21]: tensor = tf.constant([1, 2, 3, 4, 5, 6, 7,8]) ...
Python Numpy中reshape函数参数-1的含义
u013344884的博客
07-27 3032
新数组的shape属性应该要与原来数组的一致，即新数组元素数量与原数组元素数量要相等。一个参数为-1时，那么reshape函数会根据另一个参数的维度计算出数组的另外一个shape属性值。 下面来举几个例子来理解一下： >>> z = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16]]) ...
【Python】reshape里的-1
qq_54708219的博客
02-22 1349
reshape里的-1
PyTorch reshape函数的使用
09-29
PyTorch的reshape函数用于改变张量的形状。通过指定新的维度大小，可以将一个张量转换为所需的形状。下面是使用reshape函数的几个例子： 1. 示例代码：reshape(p,m,n) x.reshape(2,3,2) 这个例子将一个张量x变形为2行3列2层的三维张量。首先，将张量变成2行，然后将后面的矩阵变成3行2列。 2. 示例代码：reshape(m,n) x = torch.arange(12) 这个例子将一个一维行向量x变形为m行n列的矩阵。在这个例子中，我们生成一个从1到11的一维行向量。 3. 示例代码：reshape(-1, 1) 这个例子定义了一个3行4列的张量，并将其转换为n行1列的矩阵。最终，转换后的矩阵的大小是12行1列。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值