Tensor.view详解

一、基本概念

Tensor.view() 是 PyTorch 中 Tensor 的一种方法，用于改变 Tensor 的形状或维度，不改变其数据存储。view() 方法有两个作用：

改变 Tensor 的形状或维度：原 Tensor 的元素总数只能是被重新定义的 Tensor 的元素总数的整数倍。
不改变 Tensor 的数据存储：将原 Tensor 中的数据存储于新 Tensor 中的方式与原 Tensor 相同。

这意味着，view() 操作可以有效地避免重新分配内存空间。

二、维度变换示例

下面，我们来看一个示例，将一个 3×3 的矩阵转换为行向量、列向量、以及一个大小为 9 的一维向量。

import torch
import numpy as np

# 创建一个 3x3 的矩阵
A = torch.tensor(np.random.randint(10, size=(3, 3)))
print("A =", A)

# 转换为行向量
A_row_vector = A.view(1, -1)
print("A_row_vector =", A_row_vector)

# 转换为列向量
A_column_vector = A.view(-1, 1)
print("A_column_vector =", A_column_vector)

# 转换为大小为 9 的一维向量
A_one_dimensional = A.view(-1)
print("A_one_dimensional =", A_one_dimensional)

输出结果：

A = tensor([[7, 1, 7],
        [0, 4, 3],
        [4, 8, 7]])
A_row_vector = tensor([[7, 1, 7, 0, 4, 3, 4, 8, 7]])
A_column_vector = tensor([[7],
        [1],
        [7],
        [0],
        [4],
        [3],
        [4],
        [8],
        [7]])
A_one_dimensional = tensor([7, 1, 7, 0, 4, 3, 4, 8, 7])

可以看到，我们通过 view 操作，快速变换了 Tensor 的维度，不需要重新为 Tensor 分配内存空间。

三、Tensor.view 的使用场景

1、Tensor.view 的作用

Tensor.view() 的意义在于改变 Tensor 的形状或维度，但是不会改变数据存储。一般而言，该方法用于以下场景：

改变 Tensor 的维度，包括变换形状、扩展维度等。
进行 Tensor 的不同视角查看，比如将图像从一维向量转换为二维像素矩阵。

2、Tensor.view 的注意事项

Tensor.view() 有以下几点需要注意：

原 Tensor 的元素总数只能是被重新定义的 Tensor 的元素总数的整数倍。
对新 Tensor 进行操作可能会危及原 Tensor 的数据。
对新 Tensor 的改动不会影响原 Tensor。

3、Tensor.view 与 Torch.squeeze 的区别

Tensor.view() 和 Torch.squeeze() 都可以用来压缩 tensor 的维度，两者的不同点在于：

Tensor.view() 压缩维度后需要形状匹配，不匹配会报错；而 Torch.squeeze() 不需要形状匹配，可以自动匹配。
Tensor.view() 压缩的维度必须为 1；而 Torch.squeeze() 可以压缩任意的维度。

下面是一个 Tensor.view() 与 Torch.squeeze() 的示例，将一个 Tensor 中维度为 1 的维度压缩。

import torch

# 创建一个大小为 1x3x1x2 的 Tensor
A = torch.tensor([[[[1, 2]], [[3, 4]], [[5, 6]]]])
print("Size of A:", A.size())

# 使用 Tensor.view() 压缩维度
B = A.view(3, 2)
print("Size of B:", B.size())

# 使用 Torch.squeeze() 压缩维度
C = torch.squeeze(A)
print("Size of C:", C.size())

输出结果：

Size of A: torch.Size([1, 3, 1, 2])
Size of B: torch.Size([3, 2])
Size of C: torch.Size([3, 2])

可以看到，使用 Tensor.view() 压缩维度需要事先知道 Tensor 的形状，而 Torch.squeeze() 可以自动判断并压缩指定的维度。

四、小结

Tensor.view() 是 PyTorch 中常用的一种 Tensor 方法，可用于改变 Tensor 的形状或维度，不改变其数据存储。它可以快速地进行 Tensor 维度变换，并且可以避免重新分配内存空间。Tensor.view() 的使用场景主要在于改变 Tensor 的维度，包括变换形状、扩展维度、不同视角查看等场景。在使用 Tensor.view() 注意要求的元素总数必须为被重新定义的 Tensor 的元素总数的整数倍。同时，还可以将 Tensor.view() 与 Torch.squeeze() 相结合使用，来压缩 tensor 的维度。

原创文章，作者：CZVLY，如若转载，请注明出处：https://www.506064.com/n/360908.html