专栏限时推广

正文(本内容来源于部分pytorch专栏)

view和shape,这两个方法可以完成维度的变换操作，而且使用方法是一样的

squeeze和unsqueeze

单纯的torch.tensor([1])，此时它的维度是torch.size([1]),也就是一维的，然后给他添加上一个维度，那么此时它是二维的

Squeeze（）如果不指定参数，则表示删除所有维度中为1的，如果指定参数，则删除指定索引中维度为1的

维度扩展expand（只扩展但是没有增加数据，常用） repeat（有扩展而且有增加数据，会将数据进行复制）

只能对维度中为1的进行扩展操作，然后-1就表示不扩展，保持原样

repeat中的不是表示扩展成什么，而是表示扩展多少倍

其中1，1，28，28表示第一维度扩展1倍，第二维度扩展1倍，第三位度扩展28倍，第四维度扩展28倍

其中1，3，14，14表示第一维度扩展1倍，第二维度扩展3倍，第三位度扩展14倍，第四维度扩展14倍

print(a.transpose(0,1).shape)表示交换0和1维度

print(a.transpose(0,3).shape)表示交换0和3维度

这样不可以数据是有错误的，并没有回复到原来的维度

错误提示使用contiguous方法

Permute可以同时让多个维度交换

增加维度或者减少维度

#unsqueeze表示增加维度

#squeeze表示减少维度

#unsqueeze(0)表示增加一维到第一维

#unsqueeze(1)表示增加一维到第二维

#x.shape为[4,3,1]

x=x.unsqueeze(0)#torch.Size([1,4, 3, 1])

x=x.unsqueeze(0)#torch.Size([1,1,4, 3, 1])

x=x.squeeze(0)#减少第一维torch.Size([1, 4, 3, 1])

x=x.squeeze()#去掉所有的一维的torch.Size([4, 3])

print(x.shape)

###############维度交换和重新排列维度#############

#使用permute完成重拍维度

#使用transpose进行维度交换

#创建一个tensor矩阵，其中有三个维度，第一个维度大小为7，第二个维度大小为8，第三个维度大小为9

x=torch.randn(7,8,9)#torch.Size([7, 8, 9])

x=x.permute(2,0,1)#将x的1,2,3维度变为3,1,2维度torch.Size([9, 7, 8])

x=x.transpose(0,1)#将x的第一维度和第二维度调换torch.Size([7, 9, 8])

###################维度变换#########################

x=torch.randn(3,4,5)

x.view(3,-1)#torch.Size([3, 20])

print(x.shape)