PyTorch中view的用法

相當於numpy中resize（）的功能，但是用法可能不太一樣。

我的理解是：

把原先tensor中的資料按照行優先的順序排成乙個一維的資料（這裡應該是因為要求位址是連續儲存的），然後按照引數組合成其他維度的tensor。比如說是不管你原先的資料是[[[1,2,3],[4,5,6]]]還是[1,2,3,4,5,6]，因為它們排成一維向量都是6個元素，所以只要view後面的引數一致，得到的結果都是一樣的。比如，

a=torch.tensor([[[1,2,3],[4,5,6]]])

b=torch.tensor([1,2,3,4,5,6])

print(a.view(1,6))

print(b.view(1,6))

得到的結果都是tensor([[1., 2., 3., 4., 5., 6.]])

再看乙個例子：

a=torch.tensor([[[1,2,3],[4,5,6]]])

print(a.view(3,2))

將會得到：

tensor([[1., 2.],

[3., 4.],

[5., 6.]])

相當於就是從1，2，3，4，5，6順序的拿陣列來填充需要的形狀。但是如果您想得到如下的結果：

tensor([[1., 4.],

[2., 5.],

[3., 6.]])

就需要使用另乙個函式了：permute（）。用法參見我的另一篇部落格：pytorch中permute的用法

另外，引數不可為空。引數中的-1就代表這個位置由其他位置的數字來推斷，只要在不致歧義的情況的下，view引數就可以推斷出來，也就是人可以推斷出形狀的情況下，view函式也可以推斷出來。比如a tensor的資料個數是6個，如果view（1，-1），我們就可以根據tensor的元素個數推斷出-1代表6。而如果是view（-1，-1，2），人不知道怎麼推斷，機器也不知道。還有一種情況是人可以推斷出來，但是機器推斷不出來的：view（-1，-1，6），人可以知道-1都代表1，但是機器不允許同時有兩個負1。

如果沒有-1，那麼所有引數的乘積就要和tensor中元素的總個數一致了，否則就會出現錯誤。

PyTorch中view的用法

PyTorch中view的用法

Pytorch中view的用法

PyTorch中view的用法

相關推薦