PyTorch张量维度操作（拼接、扩展、压缩、重复、变形、置换维度）

最新推荐文章于 2024-05-26 19:19:40 发布
最新推荐文章于 2024-05-26 19:19:40 发布
阅读量1.5w 收藏 23
点赞数 3
分类专栏： 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_44058333/article/details/97814416
版权
本文详细介绍了PyTorch中处理张量维度的操作，包括torch.cat()和torch.stack的拼接、torch.Tensor.expand()的扩展、torch.squeeze()与torch.Tensor.narrow()的压缩、torch.Tensor.repeat()与torch.Tensor.unfold()的重复，以及torch.Tensor.view()和torch.Tensor.permute()的变形和置换维度。这些方法在张量操作中起到关键作用，帮助实现张量的高效变换和组合。
摘要由CSDN通过智能技术生成

涉及到的方法有：
拼接torch.cat();torch.stack
扩展torch.Tensor.expand()
压缩torch.squeeze(); torch.Tensor.narrow()
重复torch.Tensor.repeat(); torch.Tensor.unfold()
变形torch.Tensor.view()；torch.Tensor.resize_()
置换维度torch.Tensor.permute()

torch.cat(seq, dim=0, out=None) → Tensor
在指定的维度dim上对序列seq进行连接操作
torch.stack(seq, dim=0, out=None) → Tensor
增加新的维度进行堆叠
torch.Tensor.expand(*sizes) → Tensor
返回张量的一个新视图，可以将张量的单个维度扩大为更大的尺寸。
传入-1则意味着维度扩大不涉及这个维度。
扩大张量不需要分配新内存，仅仅是新建一个张量的视图。

torch.squeeze(input, dim=None, out=None) → Tensor
除去输入张量input中数值为1的维度，并返回新的张量。
当通过dim参数指定维度时，维度压缩操作只会在指定的维度上进行。
如果一个张量只有1个维度，那么它不会受到上述方法的影响。
输出的张量与原张量共享内存，如果改变其中的一个，另一个也会改变。

torch.Tensor.repeat(*sizes)
沿着指定的维度重复张量。不同于expand

最低0.47元/天 解锁文章
HuiYu-Li
关注
专栏目录
PyTorch深度学习实战（6）—— 改变Tensor的形状
shangjg3的博客
08-09 746
在设计上，PyTorch允许一个Tensor是另外一个Tensor的视图（view），这有效避免了显式的数据复制，从而更加高效便捷地进行Tensor的变形、切片等操作。：在调整Tensor的形状时，用户不需要指定每一维的形状，可以把其中一个维度指定为-1，PyTorch会自动计算对应的形状。另外，虽然在大多数情况下转置操作的输出和输入的Tensor共享存储，但是转置操作会使得Tensor变得不连续，此时最好通过。：将Tensor中尺寸为1的维度去掉，例如形状(1, 3, 1, 4)会变为(3, 4)。
pytorch张量重复，连接，压缩，置换等常用操作
明月几时有，把酒问青天
04-30 2万+
例如： import torch t1 = torch.Tensor([5,6]) t2 = t1.repeat(3,5,6) print(t1) print(t2, t2.shape) #类似于平铺操作 tile，repeat参数指定了在每个维度上平铺的次数，如果张量维度个数小于repeat参数数量， #参数的前一部分为直接复制张量的个数，后面和张量维度个数相同个数的参数需要乘以张量的维度 #例...
torch对二维张量的扩展-repeat
iamhouhuan的专栏
01-06 1585
pytorch张量维度操作（拼接、维度扩展、压缩、转置、重复）
qq_34144750的博客
10-09 5454
目录一、拼接张量二、扩大张量2、torch.()三、压缩张量四、重复张量五、缩小张量六、张量变形 z七、重设张量尺寸八、置换张量维度()
讲解torch扩展维度
牛肉胡辣汤
12-18 671
本文讲解了通过和两个函数来扩展张量的维度。这对于深度学习中的形状变换和维度操作非常有用。函数在指定位置插入一个新维度，返回一个新的张量；而函数是一个原地操作，直接修改原始张量。在使用时，需要根据具体需求选择适合的函数，并小心处理原地操作带来的影响。希望本文能够帮助你理解和使用和函数，并在深度学习中能够灵活应用。更多关于PyTorch的形状变换和张量操作，请参考PyTorch官方文档。
Pytorch 张量维度
weixin_30734435的博客
07-17 634
　　Tensor类的成员函数dim()可以返回张量的维度，shape属性与成员函数size()返回张量的具体维度分量，如下代码定义了一个两行三列的张量： 　　f = torch.randn(2, 3) 　　print(f.dim()) 　　print(f.size()) 　　print(f.shape) 　　输出结果： 　　2 　　torch.Size([2, 3]) 　...
pytorch张量维度操作（拼接、维度扩展、压缩、转置、重复……）
热门推荐
Ma Sizhou
06-28 2万+
张量的操作确实有技巧，pytorch中提供了一些相关的操作，在编程的时候很有用。 涉及的方法见下面的目录： 目录一、拼接张量1、torch.cat()2、torch.stack()二、扩大张量1、torch.Tensor.expand()三、压缩张量1、torch.squeeze()四、重复张量1、torch.Tensor.repeat()2、torch.Tensor.unfold()五、缩小张量1、torch.Tensor.narrow()六、张量变形 z1、torch.Tensor.view()七、.
深度学习框架 人工智能操作系统 训练&前向推理 PyTorch Tensorflow MindSpore caffe 张量加速引擎TBE 深度学习编译器 多面体 polyhedral AI集群框架
万有文的博客
04-03 1041
深度学习框架发展到今天，目前在架构上大体已经基本上成熟并且逐渐趋同。无论是国外的Tensorflow、PyTorch，亦或是国内最近开源的MegEngine、MindSpore，目前基本上都是支持EagerMode和GraphMode两种模式。
深度学习基础笔记 (1) ：预备知识（张量、梯度、概率…）
最新发布
www.h y p e r p l a s m a.top
05-26 1015
《动手学深度学习》笔记——预备知识（数据操作、数据预处理、线性代数、梯度、自动微分、概率）
pytorch张量拼接与切分
OldDriver1995的博客
08-01 1487
拼接 第一种方法 cat 在指定维度上拼接 t = torch.ones((3,2)) res = torch.cat([t, t], dim=0) res 按行拼接，会生成一个（6，2）的张量 如果dim=1就是按列拼接，生成（3，4）的张量 如果是三维张量: t = torch.ones((2,3,2)) res = torch.cat([t, t], dim=0) res 这个时候dim=0是针对第三维的个数， dim=1，2才分别是行，列 第二种方法stack 在新创建的维度上拼接 t
Pytorch对tensor进行变形torch.view()
zhaowangbo的博客
03-26 2913
最近复现论文的时候经常会需要我对tensor的维度进行转换来符合[batch_size, channel, w, h]的四维格式 x = Variable(torch.Tensor([[1, 2, 3], [3, 2, 1], [1, 1, 1]])) print(x) print(x.sh...
Pytorch中torch.repeat()函数解析
flyingluohaipeng的博客
05-30 1万+
一. torch.repeat()函数解析 1. 说明 官网：torch.tensor.repeat()，函数说明如下图所示： 2. 函数功能 torch.tensor.repeat()函数可以对张量进行重复扩充 1) 当参数只有两个时：（行的重复倍数，列的重复倍数），1表示不重复。 2) 当参数有三个时：（通道数的重复倍数，行的重复倍数，列的重复倍数），1表示不重复。 3. 代码例子如下： 3.1 输入一维张量，参数为一个，即表示在列上面进行重复n次 a = torch.randn(3) a,a.rep
卷积和反卷积
莫一丞元
09-08 216
其最后得到一个34*1的张量。
【pytorch】维度的扩展和压缩
026000812
05-23 696
[:, None] 扩展维度 … 省略之间的维度 torch.unsqueeze(input, dim=None) 扩展维度 torch.squeeze(input, dim=None) 压缩维度 import torch tensor = torch.randn(3, 4) print('tensor size:', tensor.size()) # tensor size: torch.Size([3, 4]) # 末尾维度的扩展与压缩 tensor_1 = tensor[:, :, None].
pytorch张量维度的扩增、压缩、广播
weixin_43220532的博客
04-20 1720
1，张量的扩增和压缩 对于pytorch张量，有一个比较常用的操作就是沿着某个方向对张量做扩增和对张量进行压缩，这两种情况与张量的大小等于1的维度有关，对于一个张量来说，可以任意添加一个维度，该维度的大小为，而不改变张量的数据，因为张量的大小等于所有维度大小的乘积，那些为1的维度不改变张量的大小。具体见下面代码： import torch a = torch.rand(3, 4) # 随机生成一个3*4的张量 print(a) print(a.shape) b = a.unsqueeze(-1) # 扩
pytorch如何增加维度_Pytorch 扩展Tensor维度、压缩Tensor维度的方法
weixin_28366053的博客
01-16 1万+
1. 扩展Tensor维度相信刚接触Pytorch的宝宝们，会遇到这样一个问题，输入的数据维度和实验需要维度不一致，输入的可能是2维数据或3维数据，实验需要用到3维或4维数据，那么我们需要扩展这个维度。其实特别简单，只要对数据加一个扩展维度方法就可以了。1.1torch.unsqueeze(self: Tensor, dim: _int)torch.unsqueeze(self: Tensor, ...
pytorch tensor维度操作
rocking_struggling的博客
04-25 1507
原文链接：添加链接描述 Cat对数据沿着某一维度进行拼接。cat后数据的总维数不变.比如下面代码对两个2维tensor（分别为2*3,1*3）进行拼接，拼接完后变为3*3还是2维的tensor。import torch torch.manual_seed(1) x = torch.randn(2,3) y = torch.randn(1,3) print(x,y)结果：0.6614 0...
tensorflow 利用expand_dims和squeeze扩展和压缩tensor维度
UESTC_V的博客
05-14 9020
tensorflow 利用expand_dims和squeeze扩展和压缩tensor维度 在利用tensorflow进行文本挖掘工作的时候，经常涉及到维度扩展和压缩工作。比如对文本进行embedding操作完成之后，若要进行卷积操作，就需要对embedded的向量扩展维度，将[batch_size, embedding_dims]扩展成为[batch_size, embedding_dims,...
评论 2
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