python pytorch中.view()函數(shù)的用法解讀
python pytorch中.view()函數(shù)
在使用pytorch定義神經(jīng)網(wǎng)絡(luò)時(shí)，經(jīng)常會(huì)看到類似如下的.view()用法，這里對(duì)其用法做出講解與演示。
普通用法 (手動(dòng)調(diào)整size)
view()相當(dāng)于reshape、resize，重新調(diào)整Tensor的形狀。
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：參數(shù)-1 (自動(dòng)調(diào)整size)
view中一個(gè)參數(shù)定為-1，代表自動(dòng)調(diào)整這個(gè)維度上的元素個(gè)數(shù)，以保證元素的總數(shù)不變。
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()函數(shù)怎么用
初學(xué)者在使用pytorch框架定義神經(jīng)網(wǎng)絡(luò)時(shí)，經(jīng)常會(huì)在代碼中看到：
這樣的用法。
view()的作用相當(dāng)于numpy中的reshape，重新定義矩陣的形狀。
例1 普通用法：
import torch v1 = torch.range(1, 16) v2 = v1.view(4, 4)
其中v1為1*16大小的張量，包含16個(gè)元素。v2為4*4大小的張量，同樣包含16個(gè)元素。注意view前后的元素個(gè)數(shù)要相同，不然會(huì)報(bào)錯(cuò)。
例2 參數(shù)使用-1
import torch v1 = torch.range(1, 16) v2 = v1.view(-1, 4)
和圖例中的用法一樣，view中一個(gè)參數(shù)定為-1，代表動(dòng)態(tài)調(diào)整這個(gè)維度上的元素個(gè)數(shù)，以保證元素的總數(shù)不變。因此兩個(gè)例子的結(jié)果是相同的。
總結(jié)
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。
相關(guān)文章
Python爬蟲原理與基本請(qǐng)求庫(kù)urllib詳解
這篇文章主要介紹了Python爬蟲原理與基本請(qǐng)求庫(kù)urllib詳解,爬蟲就是通過模擬瀏覽器，按照一定的規(guī)則，自動(dòng)、大批量的獲取網(wǎng)絡(luò)資源，包括文本、圖片、鏈接、音頻、視頻等等,需要的朋友可以參考下2023-07-07
Python之Scrapy爬蟲框架安裝及簡(jiǎn)單使用詳解
這篇文章主要介紹了Python之Scrapy爬蟲框架安裝及簡(jiǎn)單使用詳解，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2017-12-12
Python的dict字典結(jié)構(gòu)操作方法學(xué)習(xí)筆記
這篇文章主要介紹了Python的dict字典結(jié)構(gòu)操作方法學(xué)習(xí)筆記本,字典的操作是Python入門學(xué)習(xí)中的基礎(chǔ)知識(shí),需要的朋友可以參考下2016-05-05
python列表推導(dǎo)式入門學(xué)習(xí)解析
這篇文章主要介紹了python列表推導(dǎo)式入門學(xué)習(xí)解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-12-12
Pytorch技巧:DataLoader的collate_fn參數(shù)使用詳解
今天小編就為大家分享一篇Pytorch技巧:DataLoader的collate_fn參數(shù)使用詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-01-01
這篇文章主要介紹了Python加速程序運(yùn)行的方法，文中講解非常細(xì)致，代碼幫助大家更好的理解和學(xué)習(xí)，感興趣的朋友可以了解下2020-07-07
筆趣有很多起點(diǎn)中文網(wǎng)的小說，該網(wǎng)站小說的更新速度稍滯后于起點(diǎn)中文網(wǎng)正版小說的更新速度。并且該網(wǎng)站只支持在線瀏覽，不支持小說打包下載。所以可以通過python爬取文本信息保存，從而達(dá)到下載的目的2021-09-09
這篇文章主要介紹了python獲取mp3文件信息的方法,涉及Python針對(duì)文件屬性操作的相關(guān)技巧,需要的朋友可以參考下2015-06-06
Python操作多維數(shù)組輸出和矩陣運(yùn)算示例
這篇文章主要介紹了Python操作多維數(shù)組輸出和矩陣運(yùn)算,結(jié)合實(shí)例形式分析了Python多維數(shù)組的生成、打印輸出及矩陣運(yùn)算相關(guān)操作技巧,需要的朋友可以參考下2019-11-11
Python實(shí)現(xiàn)遺傳算法(二進(jìn)制編碼)求函數(shù)最優(yōu)值方式
今天小編就為大家分享一篇Python實(shí)現(xiàn)遺傳算法(二進(jìn)制編碼)求函數(shù)最優(yōu)值方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-02-02