Pytorch中如何使用view、permute、squeeze和unsqueeze函数进行数据形状转换？

本文共计311个文字，预计阅读时间需要2分钟。

在PyTorch中，`view`函数的作用是重构张量的维度，相当于在NumPy中的`resize`功能，但用法可能略有不同。

`view`函数有两种用法：

1.`torch.view(a, b, ...)`: 这种方式可以显式地指定输出张量的维度。

2.`torch.view(-1)`: 这种方式可以自动调整维度，使得张量的总元素数保持不变。

例如：

python假设有一个形状为(2, 3)的张量tensor=torch.tensor([[1, 2, 3], [4, 5, 6]])

使用第一种方法，将其重构为形状为(6,)的一维张量reshaped_tensor=tensor.view(-1)

输出结果print(reshaped_tensor)

1.view

在pytorch中view函数的作用为重构张量的维度，相当于numpy中resize()的功能，但是用法可能不太一样。

view有二种用法：

• torch.view(参数a，参数b，。。。)
• torch.view(-1)或torch.view(参数a，-1)

如下例所示

总结一下：view的二种方法，一种就是当成resize一样转换数据shape，一种是如果是torch.view(参数a，-1)，则表示在参数b未知，参数a已知的情况下自动补齐列向量长度，在这个例子中a=3，x总共由9个元素，则b=9/3=3。以此类推更多维度的比如说