pytorch学习记录2--tensor维度变化

1. view / reshape  #改变维度为指定维度

• a=torch.rand(2,3,28,28)
• a.view(2,-1) .shape
• a.reshape(2,-1).shape

输出结果为：

torch.Size([2, 2352])

torch.Size([2, 2352])

2.squeeze / unsqueeze #压缩或扩展维度

squeeze用于维度压缩

• b=torch.rand(1,32,1,1)
• print(b.squeeze(0).shape) #若当前索引shape！=1，则不会变

输出结果为：

torch.Size([32, 1, 1])

unsqueeze用于维度扩张

• a=torch.rand(2,3,28,28)
• print(a.unSqueeze(0).shape) #在0上增加一个维度

输出结果：

torch.Size([1, 2, 3, 28, 28])

3.transpose / permute #张量维度转换 

• transpose用来进行两维度之间转换   

•  t=torch.rand(3,3,28,28)
•  t.transpose(0,2)  #第0维和第2维进行交换

输出结果：

torch.Size([28, 3, 3, 28])

• permute可以用来进行多维度转换

• p=torch.rand(1,2,3,4)
• p.permute(3,2,1,0)

输出结果：

torch.Size([4, 3, 2, 1])

4. expand与repeat

• expand用于维度扩张，参数为扩张后维度

• e=torch.tensor([3,4])
• e.expand(3,2,2) #expand参数为扩张后维度

输出结果：

tensor([[[3, 4],
         [3, 4]],

        [[3, 4],
         [3, 4]],

        [[3, 4],
         [3, 4]]])

torch.Size([3, 2, 2])

• repeat函数用于维度扩张，参数为当前维度所要复制的次数

• r=torch.rand([3,4])
• r.repeat(2,3,3)

输出结果：

tensor([[[3, 4, 3, 4, 3, 4],
         [3, 4, 3, 4, 3, 4],
         [3, 4, 3, 4, 3, 4]],

        [[3, 4, 3, 4, 3, 4],
         [3, 4, 3, 4, 3, 4],
         [3, 4, 3, 4, 3, 4]]])

torch.Size([2, 3, 6])

• cat 将两个tensor按照指定维度拼接起来、

• c1=torch.rand(4,32,8)
• c2=torch.rand(5,32,8)
• torch.cat([c1,c2],dim=0)

输出结果：

torch.Size([9, 32, 8])

stack

• split  将一个tensor按照指定维度和长度分开

• s1=torch.rand(6,3,16,32)
• aa,bb=s1.split([1,5],dim=0)

输出结果：

torch.Size([1, 3, 16, 32])
torch.Size([5, 3, 16, 32])

• s1=torch.rand(6,3,16,32)
• aa,bb=s1.split(3,dim=0) #所分长度相同则输入一个值即可

输出结果：

torch.Size([3, 3, 16, 32])
torch.Size([3, 3, 16, 32])

• chunk 将一个张量在指定维度分成n份 ，tensor.chunk(n,dim=dim)

• aa,bb,cc=s1.chunk(3,dim=1)

输出结果：

torch.Size([6, 1, 16, 32])
torch.Size([6, 1, 16, 32])
torch.Size([6, 1, 16, 32])