Pytorch之view及view_as使用詳解
view()函數(shù)是在torch.Tensor.view()下的一個(gè)函數(shù),可以有tensor調(diào)用,也可以有variable調(diào)用。
其作用在于返回和原tensor數(shù)據(jù)個(gè)數(shù)相同,但size不同的tensor
【Numpy中的size是元素個(gè)數(shù),但是在Pytorch中size等價(jià)為Numpy中的shape】
view函數(shù)的-1參數(shù)的作用在于基于另一參數(shù),自動(dòng)計(jì)算該維度的大小
很重要的一點(diǎn)
view函數(shù)只能由于contiguous的張量上,具體而言,就是在內(nèi)存中連續(xù)存儲(chǔ)的張量。
具體而言,可以參看 http://www.dbjr.com.cn/article/177564.htm
所以,當(dāng)tensor之前調(diào)用了transpose, permute函數(shù)就會(huì)是tensor內(nèi)存中變得不再連續(xù),就不能調(diào)用view函數(shù)。
所以,應(yīng)該提前做tensor.contiguous()的操作
view函數(shù)與Pytorch0.4中新增的reshape的區(qū)別
reshape函數(shù)調(diào)用是不依賴于tensor在內(nèi)存中是不是連續(xù)的。
即
reshape ≈ tensor.contiguous().view
代碼
import numpy as np import torch from torch.autograd import Variable x = torch.Tensor(2,2,2) print(x) y = x.view(1,8) print(y) z = x.view(-1,4) # the size -1 is inferred from other dimensions print(z) t = x.view(8) print(t)
輸出
tensor([[[1.3712e-14, 6.4069e+02], [4.3066e+21, 1.1824e+22]], [[4.3066e+21, 6.3828e+28], [3.8016e-39, 0.0000e+00]]]) #x.view(1,8)生成的是[1,8]的張量 tensor([[1.3712e-14, 6.4069e+02, 4.3066e+21, 1.1824e+22, 4.3066e+21, 6.3828e+28, 3.8016e-39, 0.0000e+00]]) #x.view(-1,4)其中-1是在4下的另一個(gè)維度的大小,也就是8/4=2,所以生成的是[2,4]的張量 tensor([[1.3712e-14, 6.4069e+02, 4.3066e+21, 1.1824e+22], [4.3066e+21, 6.3828e+28, 3.8016e-39, 0.0000e+00]]) x.view(8)生成的是[8,]的張量,是個(gè)數(shù)組 tensor([1.3712e-14, 6.4069e+02, 4.3066e+21, 1.1824e+22, 4.3066e+21, 6.3828e+28, 3.8016e-39, 0.0000e+00])
view_as
返回被視作與給定的tensor相同大小的原tensor。 等效于:
self.view(tensor.size())
具體用法為:
代碼
a = torch.Tensor(2, 4) b = a.view_as(torch.Tensor(4, 2)) print (b)
輸出
tensor([[1.3712e-14, 6.4069e+02], [4.3066e+21, 1.1824e+22], [4.3066e+21, 6.3828e+28], [3.8016e-39, 0.0000e+00]])
以上這篇Pytorch之view及view_as使用詳解就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
python采用getopt解析命令行輸入?yún)?shù)實(shí)例
這篇文章主要介紹了python采用getopt解析命令行輸入?yún)?shù)實(shí)例,非常具有實(shí)用價(jià)值,需要的朋友可以參考下2014-09-09Python機(jī)器學(xué)習(xí)中實(shí)現(xiàn)距離和相似性計(jì)算詳解
這篇文章主要為大家詳細(xì)介紹了Python機(jī)器學(xué)習(xí)中實(shí)現(xiàn)距離和相似性計(jì)算的方法,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-03-03使用OpenCV實(shí)現(xiàn)道路車輛計(jì)數(shù)的使用方法
這篇文章主要介紹了使用OpenCV實(shí)現(xiàn)道路車輛計(jì)數(shù)的使用方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07對(duì)Python3之方法的覆蓋與super函數(shù)詳解
今天小編就為大家分享一篇對(duì)Python3之方法的覆蓋與super函數(shù)詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-06-06python實(shí)現(xiàn)基于樸素貝葉斯的垃圾分類算法
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)基于樸素貝葉斯的垃圾分類算法,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-07-07解決json.decoder.JSONDecodeError: Expecting value:&n
這篇文章主要介紹了解決json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)錯(cuò)誤,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-04-04Python刪除列表中多個(gè)元素的四種方法總結(jié)
這篇文章主要給大家介紹了關(guān)于Python刪除列表中多個(gè)元素的四種方法,在Python中想要?jiǎng)h除列表的某個(gè)元素,可以使用本文介紹的方法,文中通過(guò)代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-09-09Python實(shí)現(xiàn)讀取txt文件并畫(huà)三維圖簡(jiǎn)單代碼示例
這篇文章主要介紹了Python實(shí)現(xiàn)讀取txt文件并畫(huà)三維圖簡(jiǎn)單代碼示例,具有一定借鑒價(jià)值,需要的朋友可以參考下。2017-12-12利用Python操作MongoDB數(shù)據(jù)庫(kù)的詳細(xì)指南
MongoDB是由C++語(yǔ)言編寫(xiě)的非關(guān)系型數(shù)據(jù)庫(kù),是一個(gè)基于分布式文件存儲(chǔ)的開(kāi)源數(shù)據(jù)庫(kù)系統(tǒng),其內(nèi)容存儲(chǔ)形式類似JSON對(duì)象,下面這篇文章主要給大家介紹了關(guān)于利用Python操作MongoDB數(shù)據(jù)庫(kù)的相關(guān)資料,需要的朋友可以參考下2022-06-06