**Pytorch 中view函数和reshape函数的区别*

最新推荐文章于 2024-02-06 00:47:55 发布
最新推荐文章于 2024-02-06 00:47:55 发布
阅读量542 收藏 3
点赞数 3
分类专栏： 深度学习 文章标签： 深度学习 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_52525925/article/details/114850295
版权

Pytorch 中view函数和reshape函数的区别（我是一名大一刚学计算机的学生 希望我的说法对你有帮助）
首先：要了解这个问题我们要先了解一个基本知识
张量的储存方式
在这里插入图片描述
跟据图片我们可以清楚的看到定义一个tensor 数据是由头信息区和存储区组成
学过C语言的同学都知道类似结构体中的指针变量指向储存区

有了上述的知识的铺垫我们开始讲veiw函数
这个函数的功能是改变函数的形状（但是其维度必定是原维度的子集）
我给你们举一个例子吧 在次之前先讲一个知识点
我们都知道tensor可以创建一个矩阵如下图：
在这里插入图片描述
又因为：
在pytorch中tensor底层实现是C 所以使用的是行优先顺序
所以内存中的数据排列如下
在这里插入图片描述
现在我来讲view函数：
它可以返回一个值却不能改变数据排列
举个例子如果我们要转置一个矩阵 为了保证连续性数据结构如下图所示
在这里插入图片描述
这里解释一下什么是连续性
你们可以想象一下，上图中的数据不能出现[0,8…]
这样的矩阵
如果我们想作到转置，我们要使用contiguous函数重新开一个空间来放置上述数据
但reshape函数可以轻松解决这个问题
因为reshape函数的本质我觉的就是view函数+contiguous函数
总结：
主要区别就是是否满足连续性
所以我们主要用reshape函数

weixin_52525925
关注
  • 3
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
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...
pytorch 在sequential中使用view来reshape的例子
09-18
这里我们定义了一个`Reshape`类，它接受一个形状元组作为参数，然后在`forward`函数中调用`view`进行重塑。注意，如果输入的张量`x`的大小与预定义的形状不匹配，可能会导致错误。例如，如果最后一个维度是批量大小...
Pytorch: view()和reshape()的区别？他们与continues()的关系是什么？
JacksonKim的博客
01-11 5503
一、概要 1. 两者相同之处 view()和reshape()在pytorch中都可以用来重新调整tensor的形状。 2. 两者不同之处 1). view()产生的tensor总是和原来的tensor共享一份相同的数据，而reshape()在新形状满足一定条件时会共享相同一份数据，否则会复制一份新的数据。 2). 两者对于原始tensor的连续性要求不同。reshape()不管tensor是否是连续的，都能成功改变形状。而view()对于不连续的tensor()，需要新形状shape满足一定条件才能成功改
pytorch函数reshape()和view()的区别及张量连续性
laosao_66的博客
09-28 2053
PyTorch中的view()和reshape()方法都用于将tensor的形状调整为新的形状。view()方法返回一个新的tensor，其中数据与原始tensor相同，但具有新的形状，并且对共享存储空间进行严格的处理；reshape()方法也返回一个新的tensor，其中数据与原始tensor相同，但是对共享存储空间的处理比较灵活，可以处理整个形状大小的变化。在使用这两种方法时，需要根据需要选择不同的方法。
PyTorch：view() 与 reshape() 区别详解
热门推荐
Flag_ing的博客
10-17 5万+
总之，view能干的reshape都能干，如果view不能干就用reshape来处理。 目录 一、PyTorch中tensor的存储方式 1、PyTorch张量存储的底层原理 2、PyTorch张量的步长（stride）属性 二、view() 和reshape() 的比较 1、torch.Tensor.view() 2、torch.reshape() 一、PyTorch中tensor的存储方式 想要深入理解view与reshape的区别，首先要理解一些有关PyTorch张量存储的底层原理，
view与reshape的区别
freedomsm的博客
12-28 3025
view的基本功能与reshape相同，但在使用场景有所区别
python 函数reshape()和view()的区别
nuliliq的博客
05-29 825
总之，reshape()和view()函数都是用于改变张量形状的函数，但是它们之间有一些区别。如果你需要处理非连续的张量或者需要自动推断某些维度的大小，应该使用reshape()函数。如果你需要处理连续的张量并且需要手动指定所有维度的大小，应该使用view()函数。
pytorch改变tensor维度 - Python-PyTorch reshape Tensor维度
11-25
在PyTorch中，改变张量（Tensor）的维度是常见的操作，这在处理神经网络中的数据时尤其重要。以下是一些主要的方法： 1. **添加维度 with None**： 当你需要在现有维度之间插入一个新维度时，可以使用NumPy风格的...
实验一 PyTorch基础
最新发布
05-15
本次实验的主要目的是让学生理解和掌握PyTorch中张量的基本操作。具体包括以下几个方面： 1. **理解张量**：张量是PyTorch中的核心数据结构，类似于NumPy数组但支持自动求导。 2. **Tensor的创建**：学习如何创建...
pytorch入门实例教程，包含代码及注释
04-22
你还将了解到动态计算图的概念，这是PyTorch区别于其他深度学习框架的一大特色，使得模型的构建和调整更为灵活。 总之，这个PyTorch入门实例教程是你开启深度学习之旅的良好起点。无论你是AI新手还是希望转战...
深度学习（PyTorch）——shape、view、reshape用法及其区别
qq_42233059的博客
09-02 6113
深度学习（PyTorch）——shape、view、reshape用法及其区别
【轻松掌握】PyTorch中 reshape() 和 view() 的区别详解
创作高质量博文，分享知识，共同进步！
02-06 1706
🚀轻松解锁PyTorch张量重塑奥秘！💡`reshape()`和`view()`助你灵活调整数据维度。🔄掌握二者差异，避免常见错误。💡深入`contiguous()`理解，确保数据连续高效。🔄通过应用场景实战，加深理解。🚀读完本文，你将轻松驾驭PyTorch张量重塑技巧！#PyTorch #reshape #view #contiguous #张量重塑 #深度学习 #机器学习
Pytorch学习笔记——reshape和view的区别
码农1479的博客
03-17 943
在使用pytorch或者读别人的代码时，reshape和view是最常用的，都是矩阵变形，二者到底有什么区别呢？
tensorflow内置函数与pytorch内置函数的对应 --- 持续更新
豆芽菜
10-20 1万+
pytorch与tensorflow API速查表 方法名称 pytroch tensorflow numpy 裁剪 torch.clamp(x, min, max) tf.clip_by_value(x, min, max) np.clip(x, min, max) 取最大值 torch.max(x, dim)[0] tf.max(x, axis) np.max(x, axis) 取最小值 torch.min(x, dim)[0]
TensorFlow tf.reshape()函数
秋天
07-01 2666
在处理图像数据的时候总会遇到输入图像的维数不符合的情况，此时tensorflow中reshape()就很好的解决了这个问题。 函数定义： tf.reshape(tensor, shape, name=None) tensor：要改变维度（形状）的张量； shape：希望变成什么维度； name：操作的名称。 TensorFlow中的reshape函数的使用和numpy中的类似，在此就不...
详解Pytorch中的view函数
信小海
11-28 1万+
详解Pytorch中的view函数，通俗易懂！
【Pytorch】view() 与 reshape() 的区别
qq_40876059的博客
05-14 559
view()和reshape()都可以用来改变Tensor的形状，区别是view只能对在内存中连续的Tensor进行操作，而reshape可以对不连续的Tensor进行操作。也就是说view 能做的 reshape都能做，如果 view 不能做的 reshape 也能做。 所有情况下都可以使用reshape替代view。
python pytorch中 .view()函数讲解
欢迎关注，共同进步！
12-08 4万+
一、普通用法 (手动调整size) view()相当于reshape、resize，重新调整Tensor的形状。 import torch a1 = torch.arange(0,16) print(a1) tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]) a2 = a1.view(8, 2) a3 = a1.view(2, 8) a4 = a1.view(4, 4) print(a2) print(
【PyTorch】PyTroch中.view()函数的详细使用方法
开水的博客
08-08 8372
PyTorch中的.view()函数是一个用于改变张量形状的方法。它类似于NumPy中的.reshape()函数，可以通过重新排列张量的维度来改变其形状，而不改变张量的数据。在深度学习中，.view()函数常用于调整输入数据的形状以适应模型的输入要求，或者在网络层之间传递数据时进行形状的转换。.view()函数的语法如下，shape是一个整数元组，用于指定新的张量形状，新形状的元素个数必须与原形状的元素个数相同。函数返回一个具有指定形状的新张量，但与原始张量共享数据存储，因此它们指向相同的内存区域。
pytorch view函数用法
10-19
PyTorch中的view函数用于重构张量的维度，类似于Numpy中的resize()函数。它可以改变张量的形状，但不会改变张量中的元素数量。view函数的参数可以是一个或多个整数，表示新张量的形状。如果其中一个参数是-1，则表示该维度的大小由PyTorch自动计算。在使用view函数时，需要注意保证张量的连续性，可以使用contiguous()函数来实现。同时，为了保证维度的正确性，建议在使用view函数时配合permute函数使用。下面是一个使用view函数的例子： import torch t1 = torch.tensor([1,2,3,4,5,6]) result = t1.view(3,2) print(result) 输出结果为： tensor([[1, 2], [3, 4], [5, 6]]) --相关问题--: 1. PyTorch中的reshape函数和view函数有什么区别？ 2. 如何在PyTorch中实现张量的
评论
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