深入解析torch reshape

一、reshape基礎概念

torch reshape是PyTorch提供的一種基本操作，用於更改PyTorch張量的形狀（形狀包括張量的尺寸和維度）。當我們需要對張量進行扁平化，展平或還原操作時，就可以使用reshape函數。

實際上，reshape函數不改變原始張量數據的大小和順序，而是將原始數據重組為新的張量，以符合新的形狀。例如，我們可以將一個形狀為3×3的張量轉換為形狀為9×1的向量或形狀為1×9的向量，同時保持原始數據不變。

下面是一個展示reshape函數的基礎用法的示例代碼：

import torch

# 創建一個形狀為（2，4）的張量
x = torch.Tensor([[0, 1, 2, 3], [4, 5, 6, 7]])

# 將張量重新reshape為形狀為（8，1）
x = x.reshape((8, 1))

# 輸出重組後的張量
print(x)

二、reshape高級應用

1. 張量擴展

張量擴展是一種通過增加維度來擴展張量的方法。PyTorch使用reshape函數實現張量擴展。例如，我們可以將形狀為（4，）的向量擴展為形狀為（1，4）的張量，再擴展為形狀為（3，1，4）的張量。下面是一個示例代碼：

import torch

# 創建一個形狀為（4，）的向量
x = torch.Tensor([0, 1, 2, 3])

# 張量擴展:將向量擴展為形狀為（1，4）的張量
x = x.reshape((1, 4))

# 張量擴展:將向量擴展為形狀為（3，1，4）的張量
x = x.reshape((3, 1, 4))

# 輸出橫跨三個維度的張量
print(x)

2. 將多維張量展平

我們可以使用PyTorch的reshape函數來將多維張量展平為一維向量。在將多維張量reshape為一維向量之前，通常需要先確認多維張量的元素數量是否符合預期，以確保不會丟失任何信息。以下是一個示例代碼：

import torch

# 創建一個形狀為（2，3）的張量
x = torch.Tensor([[0, 1, 2], [3, 4, 5]])

# 展平張量
x = x.reshape((-1,))

# 輸出展平後的張量
print(x)

3. 重新排列張量中的維度

我們可以使用PyTorch的reshape函數來重新排列張量中的維度。在重新排列張量中的維度之前，需要確認多個張量的元素數量是否匹配。以下是一個示例代碼：

import torch

# 創建一個形狀為（2，3,4）的張量
x = torch.randn(2, 3, 4)

# 重新排列張量中的維度
x = x.permute(1, 0, 2)

# 輸出重新排列後的張量
print(x)

三、reshape注意事項

1. 元素總數必須相同

當使用reshape函數重新排列張量維度時，必須確保所有張量元素的總數相同，否則會拋出異常。例如，不能將一個形狀為（3，3）的張量reshape為（2，3）的張量，因為元素總數不一樣。同樣的理由，不能將形狀為（3，3）的張量reshape為形狀為（1，8）的張量，原因也是元素總數不一樣。

2. 某些操作可能需要變量的形狀

在PyTorch中，有些操作可能需要符合特定形狀的變量。例如，當我們需要在兩個張量上執行矩陣相乘時，這兩個張量的形狀必須符合矩陣相乘的規則。在這種情況下，我們可以使用reshape函數將一個形狀不正確的張量轉換為新的形狀，以符合操作的需要。

3. reshape() 返回的是視圖，而不是副本

PyTorch的reshape函數返回的是原始張量的新視圖，而不是副本，因此原始張量和新形狀的張量共享相同的數據。如果更改其中一個張量，則其他張量可能會收到影響。這也意味着，如果我們修改了使用reshape函數返回的張量，原始張量的形狀也將會被改變。如果需要避免這種情況，可以使用clone函數創建一個新的張量。

4. 零維張量不能被展平

零維張量是一種特殊情況，它們不具有任何形狀，也不包含元素。在大多數情況下，我們會避免創建零維張量或使用零維張量上的reshape函數，因為它們會導致程序異常。例如，試圖展平零維張量時將引發：只有具有非零元素的張量才能通過展平函數進行展平的異常。下面是一個異常代碼示例：

import torch

# 創建一個Form為（）的零維張量
x = torch.Tensor(3)

# 試圖展平零維張量時將引發異常
x = x.reshape((-1,))

# 異常信息：只有具有非零元素的張量才能通過展平函數進行展平
print(x)

5. 名稱維都可以被修改

PyTorch的張量可以在名稱維中指定張量的名稱。當我們使用reshape函數更改張量形狀時，名稱維也會自動更改。以下是一個示例代碼：

import torch

# 創建一個形狀為（2，3）的張量
x = torch.randn(2, 3)
x = x.name_("x")

# 將張量reshape為形狀為（3，2）
y = x.reshape(3, 2)

# 輸出張量名稱和形狀
print(y.name, y.shape)

四、總結

PyTorch的reshape函數支持多種不同的操作，包括重新排列張量維度、張量擴展和多維張量展平等。在使用reshape函數時，注意元素總數必須相同，某些操作需要變量的形狀，並且在修改使用reshape函數返回的張量時，原始張量的形狀也將會被改變。最後，不要忘記名稱維可以在使用reshape函數時進行修改。