这期内容当中小编将会给大家带来有关使用pytorch怎么改变tensor的尺寸，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。
在牡丹等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供网站建设、
成都网站设计 网站设计制作按需定制制作,公司网站建设,企业网站建设,
成都品牌网站建设,
全网整合营销推广,外贸网站建设,牡丹网站建设费用合理。
1.tensor.view
tensor.view方法，可以调整tensor的形状，但必须保证调整前后元素总数一致。view不会改变自身数据，返回的新的tensor与源tensor共享内存，即更改其中一个，另外一个也会跟着改变。
例：
In： import torch as t
a = t.arange(0, 6)
a.view(2, 3)
Out：tensor([[0, 1, 2],
[3, 4, 5]])
In： b = a.view(-1, 3)#当某一维为-1的时候，会自动计算它的大小
Out：tensor([[0, 1, 2],
[3, 4, 5]])
2.tensor.unsqueeze 和 tensor.squeeze
tensor.unsqueeze 和 tensor.squeeze分别用于增加或减少tensor的某一维度。
例：
In： b.unsqueeze(1)#注意形状， 在第1维（下标从0开始）上增加“1”
Out：tensor([[[0, 1, 2]],
[[3, 4, 5]]])
In： b.unsqueeze(-2) #-2表示倒数第二个维度
Out：tensor([[[0, 1, 2]],
[[3, 4, 5]]])
In： c = b.view(1, 1, 1, 2, 3)
c.unsqueeze(0)#压缩第0维的“1”
Out：tensor([[[[[[0, 1, 2],
[3, 4, 5]]]]]])
In： c.squeeze() #把所有维度为“1”的压缩
Out：tensor([[0, 1, 2],
[3, 4, 5]])
In：a[1] = 100
b #a和b共享内存，修改了a，b也变了
Out：tensor([[ 0, 100, 2],
[ 3, 4, 5]])
3.tensor.resize
tensor.resize是另外一种可以调整tensor尺寸的方法，但与view不同，它可以修改tensor的尺寸。如果新尺寸超过了原尺寸，会自动分配新的内存空间；如果新尺寸小于原尺寸，则之前的数据依旧会保存
例：
In： b.resize_(1, 3)
Out：tensor([[ 0, 100, 2]])
In： b.resize_(3, 3)#旧的数据依旧保存着，多出的数据会分配新空间
Out：tensor([[ 0, 100, 2],
[ 3, 4, 5],
[ 0, 0, 2323344073926471279]])
pytorch的优点
1.PyTorch是相当简洁且高效快速的框架；2.设计追求最少的封装；3.设计符合人类思维，它让用户尽可能地专注于实现自己的想法；4.与google的Tensorflow类似，FAIR的支持足以确保PyTorch获得持续的开发更新；5.PyTorch作者亲自维护的论坛 供用户交流和求教问题6.入门简单
上述就是小编为大家分享的使用pytorch怎么改变tensor的尺寸了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。
本文名称：使用pytorch怎么改变tensor的尺寸-创新互联
本文路径：
http://cdkjz.cn/article/dhdgoi.html
