pytorch把多维tensor的大小|极客笔记

pytorch把多维tensor的大小

在PyTorch中，tensor是深度学习的核心数据结构。它是一个多维数组，类似于Numpy的ndarray，但提供了GPU加速和自动微分等功能。在深度学习中，我们经常需要查看和调整tensor的大小，以适应不同的模型架构和数据输入。本文将介绍如何在PyTorch中处理多维tensor的大小，包括查看tensor的形状、改变tensor的形状、合并和分割tensor等操作。

查看tensor的形状

在PyTorch中，可以使用.size()方法或.shape属性来查看tensor的形状。下面是一个简单的示例代码：

import torch

# 创建一个3x4的随机tensor
x = torch.rand(3, 4)

print(x.size())
print(x.shape)

运行结果：

torch.Size([3, 4])
torch.Size([3, 4])

上面的代码创建了一个3行4列的随机tensor x，然后分别使用.size()方法和.shape属性打印出了tensor的形状。可以看到，输出都是torch.Size([3, 4])，表示该tensor是一个3×4的二维数组。

改变tensor的形状

有时候我们需要改变tensor的形状，比如将一个2×3的tensor变成一个6×1的tensor。在PyTorch中，可以使用.view()方法或.reshape()方法来改变tensor的形状。下面是一个示例代码：

# 创建一个2x3的tensor
x = torch.tensor([[1, 2, 3], [4, 5, 6]])

# 改变形状为6x1
y = x.view(6, 1)
z = x.reshape(6, 1)

print(y)
print(z)

运行结果：

tensor([[1],
        [2],
        [3],
        [4],
        [5],
        [6]])

tensor([[1],
        [2],
        [3],
        [4],
        [5],
        [6]])

上面的代码首先创建了一个2×3的tensor x，然后分别使用.view()方法和.reshape()方法将其改变成了一个6×1的tensor。可以看到，输出都是一个6行1列的tensor。

合并tensor

有时候我们需要将多个tensor合并成一个更大的tensor。在PyTorch中，可以使用torch.cat()方法来合并tensor。下面是一个示例代码：

# 创建两个2x2的tensor
x = torch.tensor([[1, 2], [3, 4]])
y = torch.tensor([[5, 6], [7, 8]])

# 沿着行方向合并
z1 = torch.cat((x, y), dim=0)

# 沿着列方向合并
z2 = torch.cat((x, y), dim=1)

print(z1)
print(z2)

运行结果：

tensor([[1, 2],
        [3, 4],
        [5, 6],
        [7, 8]])

tensor([[1, 2, 5, 6],
        [3, 4, 7, 8]])

上面的代码首先创建了两个2×2的tensor x和y，然后分别沿着行和列方向使用torch.cat()方法将其合并成了一个更大的tensor。可以看到，输出分别是一个4×2和2×4的tensor。

分割tensor

除了合并tensor，有时候我们也需要将一个tensor分割成多个小的tensor。在PyTorch中，可以使用torch.chunk()方法或torch.split()方法来分割tensor。下面是一个示例代码：

# 创建一个3x3的tensor
x = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 沿着行方向分割成3块
y1, y2, y3 = torch.chunk(x, chunks=3, dim=0)

# 沿着列方向分割成3块
z1, z2, z3 = torch.chunk(x, chunks=3, dim=1)

print(y1)
print(y2)
print(y3)
print(z1)
print(z2)
print(z3)

运行结果：

tensor([[1, 2, 3]])
tensor([[4, 5, 6]])
tensor([[7, 8, 9]])
tensor([[1],
        [4],
        [7]])
tensor([[2],
        [5],
        [8]])
tensor([[3],
        [6],
        [9]])

上面的代码首先创建了一个3×3的tensor x，然后分别沿着行和列方向使用torch.chunk()方法将其分割成了三块。可以看到，输出分别是3行1列和1行3列的tensor。