Pytorch基础：Tensor的reshape方法

科技前沿 • 2025-01-26 08:38 • 阅读 58

大家好，我是讯享网，很高兴认识大家。

相关阅读

Pytorch基础
讯享网https://blog.csdn.net/weixin_45791458/category_12457644.html?spm=1001.2014.3001.5482

在Pytorch中，reshape是Tensor的一个重要方法，它与Numpy中的reshape类似，用于返回一个改变了形状但数据和数据顺序和原来一致的新Tensor对象。注意：此时返回的新tensor中的数据对象并不一定是新的，这取决于应用此方法的Tensor是否是连续的。

reshape方法的语法如下所示：

Tensor.reshape(*shape) → Tensor shape (tuple of ints or int...) - the desired shape

讯享网

reshape的用法如下所示：

讯享网import torch # 创建一个张量 x = torch.randn(3, 4) tensor([[ 0.1961, -0.9038, 0.9196, -1.1851], [ 1.1321, 0.3153, 0.3485, 0.7977], [-0.5279, 0.2062, -0.4224, -0.3993]]) # 使用reshape方法将其重新塑造为2行6列的形状 y = x.reshape(2, 6) y = x.reshape((2,6)) #两种形式均可，y = x.reshape([2,6])也可 tensor([[ 0.1961, -0.9038, 0.9196, -1.1851, 1.1321, 0.3153], [ 0.3485, 0.7977, -0.5279, 0.2062, -0.4224, -0.3993]])

可以看到，给出的参数既可以是多个整数（其中每个整数代表一个维度的大小，而整数的数量代表维度的数量），也可以是一个元组或是列表（其中每个元素代表一个维度的大小，而元素数量代表维度的数量）。而且reshape不改变Tensor中数据的排列顺序（指的是从上到下从左到右遍历的顺序），只改变形状，这也就对reshape各维度大小的乘积有要求，要与原Tensor一致。在上例中即3*4=2*6。

另外reshape还有一个trick，即某一维的实参可以是-1，此时会自动根据原Tensor大小和给出的其他维度参数的大小，推断出这一维度的大小，举例如下：

import torch # 创建一个张量 x = torch.randn(3, 4) tensor([[ 0.1961, -0.9038, 0.9196, -1.1851], [ 1.1321, 0.3153, 0.3485, 0.7977], [-0.5279, 0.2062, -0.4224, -0.3993]]) # 使用reshape方法将其重新塑造为6行n列的形状，n为自动推断出的值 y = x.reshape(6, -1) tensor([[ 0.1961, -0.9038], [ 0.9196, -1.1851], [ 1.1321, 0.3153], [ 0.3485, 0.7977], [-0.5279, 0.2062], [-0.4224, -0.3993]]) # 使用reshape方法将其重新塑造为(2,2,n)的形状，n为自动推断出的值 y = x.reshape(2, 2, -1) tensor([[[ 0.1961, -0.9038, 0.9196], [-1.1851, 1.1321, 0.3153]], [[ 0.3485, 0.7977, -0.5279], [ 0.2062, -0.4224, -0.3993]]]) # 不能在两个维度都指定-1，这时无法推断出唯一结果 y = x.reshape(2, -1, -1) Traceback (most recent call last): File "<stdin>", line 1, in <module> RuntimeError: only one dimension can be inferred

除此之外，还可以使用torch.reshape()函数，这与使用reshape方式效果一致，torch.reshape()的语法如下所示。

讯享网torch.reshape(input, shape) → Tensor input (Tensor) – the tensor to be reshaped shape (tuple of python:int) – the new shape import torch # 创建一个张量 x = torch.randn(3, 4) tensor([[ 0.1961, -0.9038, 0.9196, -1.1851], [ 1.1321, 0.3153, 0.3485, 0.7977], [-0.5279, 0.2062, -0.4224, -0.3993]]) # 使用reshape函数将其重新塑造为6行n列的形状，n为自动推断出的值 y = torch.reshape(x, (6, -1)) tensor([[ 0.1961, -0.9038], [ 0.9196, -1.1851], [ 1.1321, 0.3153], [ 0.3485, 0.7977], [-0.5279, 0.2062], [-0.4224, -0.3993]])

Pytorch基础：Tensor的reshape方法

相关推荐