Pytorch中view函数实例讲解

一、函数简介

Pytorch中的view函数主要用于Tensor维度的重构，即返回一个有相同数据但不同维度的Tensor。

根据上面的描述可知，view函数的操作对象应该是Tensor类型。如果不是Tensor类型，可以通过tensor = torch.tensor(data)来转换。

二、实例讲解

▶view(参数a,参数b,…)，其中，总的参数个数表示将张量重构后的维度。

import torch
temp = [1,2,3,4,5,6] # temp的类型为list，非Tensor
temp = torch.tensor(temp) # 将temp由list类型转为Tensor类型
print(temp) # torch.Size([6])
print(temp.view(2,3)) # 将temp的维度改为2*3
print(temp.view(2,3,1)) # 将temp的维度改为2*3*1
print(temp.view(2,3,1,1)) # 更多的维度也没有问题，只要保证维度改变前后的元素个数相同就行，即2*3*1*1=6

▶view(参数a,参数b,…)，其中，如果某个参数为-1，则表示该维度取决于其它维度，由Pytorch自己补充。

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)) 
# 这里的-1表示该维度取决于其它维度，即等于(2*6)÷3÷2=2
# torch.Size([3, 2, 2])

▶view(-1)表示将Tensor转为一维Tensor。

import torch
temp = [1,2,3,4,5,6] # temp的类型为list，非Tensor
temp = torch.tensor(temp) # 将temp由list类型转为Tensor类型
print(temp) # 本身就是一维张量
print(temp.view(-1)) # 因此，转变后还是一维，没什么变换
temp1 = torch.tensor([[1,2,3],[4,5,6]])
print(temp1) # torch.Size([2, 3])
print(temp1.view(-1)) # 多维张量转为一维张量

附：Pytorch中的view函数需要注意的点

一、函数说明

Pytorch中的view函数主要用于张量tensor的维度修改，通过view里面的参数，可以修改成任意维度的张量，前提是修改后的张量大小和原张量大小一致，比如45的张量，可以修改成225，但是不能修改成32*3。

二、数据共享

通过view修改维度以后的张量，和原张量是共享底层数据的，也就是说，如果你修改了一个张量中的数据，两个张量数据都会改变。比如原张量V1=torch.zeros(4,5)，修改后的张量V2=V1.view(2,2,5)，如果让V2[0][0][0]=1，则V1[0][0]也等于1。

三、参数

view的参数如果有-1，则表示这个维度的大小由其他位置决定，只能用剩下的数据维度。
还是V1=torch.zeros(4,5)，V3=V1.view(2,-1,5)，则V3的第二维度大小就是2了。每次只能有一个默认的-1维度，不然没法计算准确的维度大小。

四、维度变化

还是V1=torch.zeros(4,5)，V4=V1.view(20,1)表示的是二维张量20*1，而V5=V1.view(20)，或V5=V1.view(20，)表示的是一维张量，长度为20。在训练模型的时候需要注意，因为这两种方式都能进入全连接层或者线性神经网络，只不过出来的结果会对应输入的维度，在计算误差的时候，对目标的处理就不一样了，需要相同维度，也就是在loss = nn.xxxxxLoss(output, label)时，要注意ouput和label的维度是否一致。

总结

到此这篇关于Pytorch中view函数实例讲解的文章就介绍到这了,更多相关Pytorch view函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！