python pytorch中.view()函数的用法解读
更新时间：2023年08月02日 10:28:06 作者：Dust_Evc
这篇文章主要介绍了python pytorch中.view()函数的用法,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
python pytorch中.view()函数
在使用pytorch定义神经网络时，经常会看到类似如下的.view()用法，这里对其用法做出讲解与演示。
普通用法 (手动调整size)
view()相当于reshape、resize，重新调整Tensor的形状。
import torch a1 = torch.arange(0,16) print(a1)
tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15])
a2 = a1.view(8, 2) a3 = a1.view(2, 8) a4 = a1.view(4, 4) print(a2) print(a3) print(a4)
tensor([[ 0, 1],
[ 2, 3],
[ 4, 5],
[ 6, 7],
[ 8, 9],
[10, 11],
[12, 13],
[14, 15]])
tensor([[ 0, 1, 2, 3, 4, 5, 6, 7],
[ 8, 9, 10, 11, 12, 13, 14, 15]])
tensor([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])特殊用法：参数-1 (自动调整size)
view中一个参数定为-1，代表自动调整这个维度上的元素个数，以保证元素的总数不变。
import torch a1 = torch.arange(0,16) print(a1)
tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15])
a2 = a1.view(-1, 16) a3 = a1.view(-1, 8) a4 = a1.view(-1, 4) a5 = a1.view(-1, 2) a6 = a1.view(4*4, -1) a7 = a1.view(1*4, -1) a8 = a1.view(2*4, -1) print(a2) print(a3) print(a4) print(a5) print(a6) print(a7) print(a8)
tensor([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]])
tensor([[ 0, 1, 2, 3, 4, 5, 6, 7],
[ 8, 9, 10, 11, 12, 13, 14, 15]])
tensor([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
tensor([[ 0, 1],
[ 2, 3],
[ 4, 5],
[ 6, 7],
[ 8, 9],
[10, 11],
[12, 13],
[14, 15]])
tensor([[ 0],
[ 1],
[ 2],
[ 3],
[ 4],
[ 5],
[ 6],
[ 7],
[ 8],
[ 9],
[10],
[11],
[12],
[13],
[14],
[15]])
tensor([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
tensor([[ 0, 1],
[ 2, 3],
[ 4, 5],
[ 6, 7],
[ 8, 9],
[10, 11],
[12, 13],
[14, 15]])python中view()函数怎么用
初学者在使用pytorch框架定义神经网络时，经常会在代码中看到：
这样的用法。
view()的作用相当于numpy中的reshape，重新定义矩阵的形状。
例1 普通用法：
import torch v1 = torch.range(1, 16) v2 = v1.view(4, 4)
其中v1为1*16大小的张量，包含16个元素。v2为4*4大小的张量，同样包含16个元素。注意view前后的元素个数要相同，不然会报错。
例2 参数使用-1
import torch v1 = torch.range(1, 16) v2 = v1.view(-1, 4)
和图例中的用法一样，view中一个参数定为-1，代表动态调整这个维度上的元素个数，以保证元素的总数不变。因此两个例子的结果是相同的。
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
今天小编就为大家分享一篇Pytorch Tensor基本数学运算详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
在专业演示文稿设计与制作领域,多场演示间保持一致性至关重要,在PowerPoint演示文稿之间复制幻灯片母版成为了一项关键技巧,本文中,我们将探讨如何使用Python在不同的PowerPoint演示文稿之间复制幻灯片母版,提升演示文稿创作流程的效率与美观度,需要的朋友可以参考下2024-05-05
这篇文章主要介绍了Python实现查找字符串数组最长公共前缀,涉及Python针对字符串的遍历、判断、计算等相关操作技巧,需要的朋友可以参考下2019-03-03
本文主要介绍了python提取字符串中的数字的实现,主要介绍了几种常见的方法,具有一定的参考价值,感兴趣的可以了解一下2023-10-10
灰色系统理论认为对既含有已知信息又含有未知或非确定信息的系统进行预测，本文就介绍了python灰色预测法的具体使用，具有一定的参考价值，感兴趣的可以了解一下2022-03-03
下面小编就为大家分享一篇解决Python的str强转int时遇到的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-04-04
这篇文章主要介绍了python通过BF算法实现关键词匹配的方法,实例分析了BF算法的原理与Python实现技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-03-03
这篇文章主要介绍了Jetson NX 配置 pytorch的相关知识，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2023-03-03
浅谈tensorflow语义分割api的使用(deeplab训练cityscapes)
这篇文章主要介绍了浅谈tensorflow语义分割api的使用(deeplab训练cityscapes)，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2021-05-05
这篇文章主要介绍了Pytest单元测试框架的基本介绍，包含了Pytest的概念，Pytest特点，其安装流程步骤以及相关配置流程，有需要的朋友可以参考下2021-08-08
最新评论