Pytorch之view及view_as使用詳解
阿新 • • 發佈:2020-01-09
view()函式是在torch.Tensor.view()下的一個函式,可以有tensor呼叫,也可以有variable呼叫。
其作用在於返回和原tensor資料個數相同,但size不同的tensor
【Numpy中的size是元素個數,但是在Pytorch中size等價為Numpy中的shape】
view函式的-1引數的作用在於基於另一引數,自動計算該維度的大小
很重要的一點
view函式只能由於contiguous的張量上,具體而言,就是在記憶體中連續儲存的張量。
具體而言,可以參看 https://www.jb51.net/article/177564.htm
所以,當tensor之前呼叫了transpose,permute函式就會是tensor記憶體中變得不再連續,就不能呼叫view函式。
所以,應該提前做tensor.contiguous()的操作
view函式與Pytorch0.4中新增的reshape的區別
reshape函式呼叫是不依賴於tensor在記憶體中是不是連續的。
即
reshape ≈ tensor.contiguous().view
程式碼
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+22,6.3828e+28,3.8016e-39,0.0000e+00]]) #x.view(-1,4)其中-1是在4下的另一個維度的大小,也就是8/4=2,所以生成的是[2,4]的張量 tensor([[1.3712e-14,1.1824e+22],0.0000e+00]]) x.view(8)生成的是[8,]的張量,是個陣列 tensor([1.3712e-14,0.0000e+00])
view_as
返回被視作與給定的tensor相同大小的原tensor。 等效於:
self.view(tensor.size())
具體用法為:
程式碼
a = torch.Tensor(2,4) b = a.view_as(torch.Tensor(4,2)) print (b)
輸出
tensor([[1.3712e-14,0.0000e+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內容了,希望能給大家一個參考,也希望大家多多支援我們。