pytorch tensor 张量常用方法介绍

1.  view( )函数

PyTorch 中的view( )函数相当于numpy中的resize( )函数，都是用来重构(或者调整)张量维度的，用法稍有不同。

>>> import torch
>>> re = torch.tensor([1, 2, 3, 4, 5,  6])
>>> result = re.view(3,2)
>>> result
tensor([[1, 2],
        [3, 4],
        [5, 6]])

i.e.view(3, 2)将张量重构成了3x2维的张量。

view(-1)

>>> import torch
>>> re = torch.tensor([[1, 2],
        	　　　　[3, 4],
                      [5, 6]])
>>> result = re.view(-1)
>>> result
tensor([1, 2, 3, 4, 5, 6])

i.e.view(-1)将张量重构成了1维的张量。

view(-1, 参数b)

>>> import torch
>>> re = torch.tensor([1, 2, 3, 4, 5,  6])
>>> result = re.view(-1, 2)
>>> result
tensor([[1, 2],
        [3, 4],
        [5, 6]])

i.e.torch.view(-1, 参数b)，则表示在参数a未知，参数b已知的情况下自动补齐行向量长度，在这个例子中b=3，re总共含有6个元素，则a=6/2=3。