torch.reshape 是 PyTorch 中用于改變張量形狀的函數(shù)。它的作用是重新安排張量的維度，使其符合指定的形狀，但不會(huì)改變數(shù)據(jù)的順序。

Returns a tensor with the same data and number of elements as input, but with the specified shape.

基本語法

input_reshape = torch.reshape(input, shape)

或者：

input_reshape = input.reshape(shape)

• input(tensor)：輸入張量。
• shape(tuple of int)：目標(biāo)形狀，可以是一個(gè)整數(shù)或一個(gè)整數(shù)元組，表示張量的新維度。

例子

import torch

# 創(chuàng)建一個(gè)形狀為 (4, 3) 的張量
x = torch.arange(12).reshape(4, 3)
print(x)

輸出：

tensor([[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8],
        [ 9, 10, 11]])

你可以將這個(gè)張量重新調(diào)整成其他形狀，比如將它變成一個(gè) (2, 6) 的張量：

y = x.reshape(2, 6)
print(y)

輸出：

tensor([[ 0,  1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10, 11]])

特別的用法

使用1自動(dòng)推算維度：

如果你不確定某個(gè)維度應(yīng)該是多少，可以使用 -1 來自動(dòng)推算。例如，如果你只知道張量的總元素?cái)?shù)和某些維度，可以讓 PyTorch 自動(dòng)計(jì)算某個(gè)維度。

A single dimension may be -1, in which case it’s inferred from the remaining dimensions and the number of elements in input.

z = x.reshape(2, -1)  # PyTorch 會(huì)自動(dòng)推算第二維度的大小
print(z)

輸出：

tensor([[ 0,  1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10, 11]])

torch.reshape(x, (-1,))將張量展平成一維（即向量）等效于x.flatten()

• 此時(shí) PyTorch 會(huì)自動(dòng)計(jì)算該維度的大小，計(jì)算公式為：

  新維度大小 = 原始張量的總元素?cái)?shù)

• 因?yàn)橐钩上蛄?，所以只有一個(gè)維度（表示有多少個(gè)數(shù)），所以只需要一個(gè)-1，后面空著就行

  • 所以其實(shí)也可以寫成 (-1)，即torch.reshape(x, (-1)) 但推薦保留逗號(hào)

注意：這跟 (1,-1)有區(qū)別，(-1,)是展平成一維向量，
而(1,-1)是1*n，這被視作二維的（一個(gè)維度是1個(gè)數(shù)，另一個(gè)維度是n個(gè)數(shù)）

例子：

x = torch.tensor([[0, 1],
                  [2, 3]])

x_vec = x.reshape(-1,)
print(x_vec)

x_matrix = x.reshape(1,-1)
print(x_matrix)

輸出：

tensor([0, 1, 2, 3])
tensor([[0, 1, 2, 3]])

• 總元素?cái)?shù)：2 × 2 = 4

• 執(zhí)行 torch.reshape(x, (-1,)) 后：

  → 新形狀為 (4,)

  → 結(jié)果：tensor([0, 1, 2, 3])

• 執(zhí)行 torch.reshape(x, (1,-1)) 后：

  → 新形狀為 (1,4)

  → 結(jié)果：tensor([[0, 1, 2, 3]])

注意事項(xiàng)

保持元素?cái)?shù)量一致：

使用 reshape 時(shí)，新形狀的元素數(shù)量必須和原形狀一致。例如，原來是 (4, 3)，總共有 12 個(gè)元素，不能reshape成 (3, 5) 因?yàn)闀?huì)丟失元素。

# 錯(cuò)誤的 reshape
# x.reshape(3, 5)  # 會(huì)拋出錯(cuò)誤，無法reshape

總之，要接收返回的tensor

• reshape 不會(huì)修改原始張量，它會(huì)返回一個(gè)新的張量，除非原張量已經(jīng)在內(nèi)存中是以連續(xù)的方式存儲(chǔ)。

When possible, the returned tensor will be a view of input. Otherwise, it will be a copy. Contiguous inputs and inputs with compatible strides can be reshaped without copying, but you should not depend on the copying vs. viewing behavior.

• 如果原張量的內(nèi)存布局不連續(xù)，reshape 會(huì)返回一個(gè)新的內(nèi)存副本。
• torch.view 和 torch.reshape 在功能上相似，但 torch.view 要求張量是連續(xù)的，而 torch.reshape 會(huì)自動(dòng)處理不連續(xù)的張量。

到此這篇關(guān)于pytorch中reshape的使用小結(jié)的文章就介紹到這了,更多相關(guān)pytorch reshape內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論