版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_36556893/article/details/86569501
目录
一、概述
1.在torch的网络定义部分的forward（self，x）中有可能会出现下面这句话：
x = x.view(x.size(0),-1)2.这句话的意思是将多维度的Tensor展平成一维，但是到底转换的样子是什么样的其实我们这样看并不明白
二、代码展示
1.我们先定义一个Tensor：
import torch
a = torch.arange(1,17)2.输出这个Tensor的内容和大小：
print(a)
print(a.size(0))代码变为：
import torch
a = torch.arange(1,17)
print(a)
print(a.size(0))结果为：
3.使用
x = x.view(x.size(0),-1)将Tensor转换为1维
输入代码：
b = a.view(a.size(0),-1)
print(b)代码变为：
import torch
a = torch.arange(1,17)
print(a)
print(a.size(0))
b = a.view(a.size(0),-1)
print(b)结果为;
其中这个-1指的是不知道多少列的情况下，根据原来Tensor内容和Tensor的大小自动分配列数
4.换句话，和我们这样做的效果是一样的，即指定列数为1：
c = a.view(a.size(0),1)
print(c)代码变为：
import torch
a = torch.arange(1,17)
print(a)
print(a.size(0))
b = a.view(a.size(0),-1)
print(b)
c = a.view(a.size(0),1)
print(c)结果为：
结果果然是一样的。
5.我们还可以将行数不定（为1），指定列数为Tensor的大小：
d = a.view(-1, a.size(0))
print(d)代码变为：
import torch
a = torch.arange(1,17)
print(a)
print(a.size(0))
b = a.view(a.size(0),-1)
print(b)
c = a.view(a.size(0),1)
print(c)
d = a.view(-1, a.size(0))
print(d)结果为;
