一、函數(shù)簡介

Pytorch中的view函數(shù)主要用于Tensor維度的重構(gòu)，即返回一個(gè)有相同數(shù)據(jù)但不同維度的Tensor。

根據(jù)上面的描述可知，view函數(shù)的操作對象應(yīng)該是Tensor類型。如果不是Tensor類型，可以通過tensor = torch.tensor(data)來轉(zhuǎn)換。

二、實(shí)例講解

?view(參數(shù)a,參數(shù)b,…)，其中，總的參數(shù)個(gè)數(shù)表示將張量重構(gòu)后的維度。

import torch
temp = [1,2,3,4,5,6] # temp的類型為list，非Tensor
temp = torch.tensor(temp) # 將temp由list類型轉(zhuǎn)為Tensor類型
print(temp) # torch.Size([6])
print(temp.view(2,3)) # 將temp的維度改為2*3
print(temp.view(2,3,1)) # 將temp的維度改為2*3*1
print(temp.view(2,3,1,1)) # 更多的維度也沒有問題，只要保證維度改變前后的元素個(gè)數(shù)相同就行，即2*3*1*1=6

?view(參數(shù)a,參數(shù)b,…)，其中，如果某個(gè)參數(shù)為-1，則表示該維度取決于其它維度，由Pytorch自己補(bǔ)充。

import torch
temp = [[11,12,13,14,15,16],
        [21,22,23,24,25,26]]
temp = torch.tensor(temp)
print(temp) 
# torch.Size([2, 6])
print(temp.view(3,-1,2)) 
# 這里的-1表示該維度取決于其它維度，即等于(2*6)÷3÷2=2
# torch.Size([3, 2, 2])

?view(-1)表示將Tensor轉(zhuǎn)為一維Tensor。

import torch
temp = [1,2,3,4,5,6] # temp的類型為list，非Tensor
temp = torch.tensor(temp) # 將temp由list類型轉(zhuǎn)為Tensor類型
print(temp) # 本身就是一維張量
print(temp.view(-1)) # 因此，轉(zhuǎn)變后還是一維，沒什么變換
temp1 = torch.tensor([[1,2,3],[4,5,6]])
print(temp1) # torch.Size([2, 3])
print(temp1.view(-1)) # 多維張量轉(zhuǎn)為一維張量

附：Pytorch中的view函數(shù)需要注意的點(diǎn)

一、函數(shù)說明

Pytorch中的view函數(shù)主要用于張量tensor的維度修改，通過view里面的參數(shù)，可以修改成任意維度的張量，前提是修改后的張量大小和原張量大小一致，比如45的張量，可以修改成225，但是不能修改成32*3。

二、數(shù)據(jù)共享

通過view修改維度以后的張量，和原張量是共享底層數(shù)據(jù)的，也就是說，如果你修改了一個(gè)張量中的數(shù)據(jù)，兩個(gè)張量數(shù)據(jù)都會(huì)改變。比如原張量V1=torch.zeros(4,5)，修改后的張量V2=V1.view(2,2,5)，如果讓V2[0][0][0]=1，則V1[0][0]也等于1。

三、參數(shù)

view的參數(shù)如果有-1，則表示這個(gè)維度的大小由其他位置決定，只能用剩下的數(shù)據(jù)維度。
還是V1=torch.zeros(4,5)，V3=V1.view(2,-1,5)，則V3的第二維度大小就是2了。每次只能有一個(gè)默認(rèn)的-1維度，不然沒法計(jì)算準(zhǔn)確的維度大小。

四、維度變化

還是V1=torch.zeros(4,5)，V4=V1.view(20,1)表示的是二維張量20*1，而V5=V1.view(20)，或V5=V1.view(20，)表示的是一維張量，長度為20。在訓(xùn)練模型的時(shí)候需要注意，因?yàn)檫@兩種方式都能進(jìn)入全連接層或者線性神經(jīng)網(wǎng)絡(luò)，只不過出來的結(jié)果會(huì)對應(yīng)輸入的維度，在計(jì)算誤差的時(shí)候，對目標(biāo)的處理就不一樣了，需要相同維度，也就是在loss = nn.xxxxxLoss(output, label)時(shí)，要注意ouput和label的維度是否一致。

總結(jié)

到此這篇關(guān)于Pytorch中view函數(shù)實(shí)例講解的文章就介紹到這了,更多相關(guān)Pytorch view函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論