使用pytorch怎么改變tensor的尺寸

這期內容當中小編將會給大家帶來有關使用pytorch怎么改變tensor的尺寸，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

1.tensor.view

tensor.view方法，可以調整tensor的形狀，但必須保證調整前后元素總數一致。view不會改變自身數據，返回的新的tensor與源tensor共享內存，即更改其中一個，另外一個也會跟著改變。

例：

In： import torch as t
   a = t.arange(0, 6)
   a.view(2, 3)
Out：tensor([[0, 1, 2],
    [3, 4, 5]])

In： b = a.view(-1, 3)#當某一維為-1的時候，會自動計算它的大小
Out：tensor([[0, 1, 2],
    [3, 4, 5]])

2.tensor.unsqueeze 和 tensor.squeeze

tensor.unsqueeze 和 tensor.squeeze分別用于增加或減少tensor的某一維度。

例：

In： b.unsqueeze(1)#注意形狀， 在第1維（下標從0開始）上增加“1”
Out：tensor([[[0, 1, 2]],
    [[3, 4, 5]]])
    
In： b.unsqueeze(-2) #-2表示倒數第二個維度
Out：tensor([[[0, 1, 2]],
    [[3, 4, 5]]])
    
In： c = b.view(1, 1, 1, 2, 3)
   c.unsqueeze(0)#壓縮第0維的“1”
Out：tensor([[[[[[0, 1, 2],
      [3, 4, 5]]]]]])
      
In： c.squeeze() #把所有維度為“1”的壓縮
Out：tensor([[0, 1, 2],
    [3, 4, 5]])
    
In：a[1] = 100
  b #a和b共享內存，修改了a，b也變了
Out：tensor([[ 0, 100,  2],
    [ 3,  4,  5]])

3.tensor.resize

tensor.resize是另外一種可以調整tensor尺寸的方法，但與view不同，它可以修改tensor的尺寸。如果新尺寸超過了原尺寸，會自動分配新的內存空間；如果新尺寸小于原尺寸，則之前的數據依舊會保存

例：

In： b.resize_(1, 3)
Out：tensor([[ 0, 100,  2]])

In： b.resize_(3, 3)#舊的數據依舊保存著，多出的數據會分配新空間
Out：tensor([[         0,         100,          2],
    [         3,          4,          5],
    [         0,          0, 2323344073926471279]])

pytorch的優點

1.PyTorch是相當簡潔且高效快速的框架；2.設計追求最少的封裝；3.設計符合人類思維，它讓用戶盡可能地專注于實現自己的想法；4.與google的Tensorflow類似，FAIR的支持足以確保PyTorch獲得持續的開發更新；5.PyTorch作者親自維護的論壇 供用戶交流和求教問題6.入門簡單

上述就是小編為大家分享的使用pytorch怎么改變tensor的尺寸了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。