张量中 X.view()操作

view() 操作：

在torch里面，view函数相当于numpy的reshape，来看几个例子：

a = torch.arange(1, 17)  # a's shape is (16,)

# 将1*16大小变为4*4大小
a.view(4, 4) # output below
tensor([[ 1,  2,  3,  4],
        [ 5,  6,  7,  8],
        [ 9, 10, 11, 12],
        [13, 14, 15, 16]])
[torch.FloatTensor of size 4x4]
 
# 将1*16大小变为2*2*4大小
a.view(2, 2, 4) # output below
tensor([[[ 1,  2,  3,  4],
         [ 5,  6,  7,  8]],
 
        [[ 9, 10, 11, 12],
         [13, 14, 15, 16]]])
[torch.FloatTensor of size 2x2x4]

 

view(-1) 操作： 

在函数的参数中经常可以看到-1例如x.view(-1, 4)

这里-1表示一个不确定的数，就是你如果不确定你想要reshape成几行，但是你很肯定要reshape成4列，那不确定的地方就可以写成-1

举例一：

例如一个长度的16向量x，

x.view(-1, 4)等价于x.view(4, 4)

x.view(-1, 2)等价于x.view(8，2)

举例二：

import torch
a = torch.randn(3,5,2)
print(a)
print(a.view(-1))

运行结果：

原来是三维的，现在只有一个-1，那么就是生成一维的，那么就是只有一行数据

torch x = x.view(-1, ...)理解_.view(-1,1)-CSDN博客