相當(dāng)于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中的數(shù)據(jù)按照行優(yōu)先的順序排成一個(gè)一維的數(shù)據(jù)(這里應(yīng)該是因?yàn)橐蟮刂肥沁B續(xù)存儲(chǔ)的),然后按照參數(shù)組合成其他維度的tensor。
比如說是不管你原先的數(shù)據(jù)是[[[1,2,3],[4,5,6]]]還是[1,2,3,4,5,6],因?yàn)樗鼈兣懦梢痪S向量都是6個(gè)元素,所以只要view后面的參數(shù)一致,得到的結(jié)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(jié)果都是
tensor([[1., 2., 3., 4., 5., 6.]])
再看一個(gè)例子:
a=torch.Tensor([[[1,2,3],[4,5,6]]])
print(a.view(3,2))
將會(huì)得到:
tensor([[1., 2.],
[3., 4.],
[5., 6.]])
相當(dāng)于就是從1,2,3,4,5,6順序的拿數(shù)組來填充需要的形狀。但是如果您想得到如下的結(jié)果:
tensor([[1., 4.],
[2., 5.],
[3., 6.]])
就需要使用另一個(gè)函數(shù)了:permute()。用法參見我的另一篇博客:PyTorch中permute的用法
另外,參數(shù)不可為空。參數(shù)中的-1就代表這個(gè)位置由其他位置的數(shù)字來推斷,只要在不致歧義的情況的下,view參數(shù)就可以推斷出來,也就是人可以推斷出形狀的情況下,view函數(shù)也可以推斷出來。
比如a tensor的數(shù)據(jù)個(gè)數(shù)是6個(gè),如果view(1,-1),我們就可以根據(jù)tensor的元素個(gè)數(shù)推斷出-1代表6。
而如果是view(-1,-1,2),人不知道怎么推斷,機(jī)器也不知道。
還有一種情況是人可以推斷出來,但是機(jī)器推斷不出來的:view(-1,-1,6),人可以知道-1都代表1,但是機(jī)器不允許同時(shí)有兩個(gè)負(fù)1。
如果沒有-1,那么所有參數(shù)的乘積就要和tensor中元素的總個(gè)數(shù)一致了,否則就會(huì)出現(xiàn)錯(cuò)誤。
補(bǔ)充:pytorch中x.view()和permute用法
pytorch中x.view()用法
在pytorch中經(jīng)常會(huì)看到x.view(),它表示將Tensor的維度轉(zhuǎn)變?yōu)関iew指定的維度,有點(diǎn)類似于resize函數(shù)
b=torch.Tensor([[[[1,2,3],[4,5,6],[7,8,9]],[[1,2,3],[4,5,6],[7,8,9]]]])
print(b.size())
(1, 2, 3, 3)
print(b.view(b.size(0),-1))
tensor([[1., 2., 3., 4., 5., 6., 7., 8., 9., 1., 2., 3., 4., 5., 6., 7., 8., 9.]])
print(b.view(b.size(0),-1).size())
(1, 18)
b.size(0)表示b中0維度==1,-1是按照原數(shù)據(jù)自動(dòng)分配的列數(shù)。
a=torch.Tensor([[[1,2,3],[4,5,6]]])
print(a.size())
(1, 2, 3)
print(a.view(6,-1))
tensor([[1.],
[2.],
[3.],
[4.],
[5.],
[6.]])
print(a.view(6,-1).size())
(6, 1)
將a轉(zhuǎn)變成6行1列
print(a.view(-1,6).size())
(1, 6)
或者將a轉(zhuǎn)變成1行6列
在程序里還經(jīng)常見到view函數(shù)后面跟著permute()函數(shù),這個(gè)函數(shù)是做維度換位的
print(a.view(-1,6).permute(1,0))
tensor([[1.],
[2.],
[3.],
[4.],
[5.],
[6.]])
print(a.view(-1,6).permute(1,0).size())
(6, 1)
加了permute,a就由(1,6)變成(6,1)了。
以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教。
您可能感興趣的文章:- Pytorch之view及view_as使用詳解
- pytorch中torch.max和Tensor.view函數(shù)用法詳解
- 對(duì)pytorch中x = x.view(x.size(0), -1) 的理解說明