PyTorch中view的用法

• 2020 年 4 月 1 日
• 筆記

相当于numpy中resize（）的功能，但是用法可能不太一样。

我的理解是：

把原先tensor中的数据按照行优先的顺序排成一个一维的数据（这里应该是因为要求地址是连续存储的），然后按照参数组合成其他维度的tensor。比如说是不管你原先的数据是[[[1,2,3],[4,5,6]]]还是[1,2,3,4,5,6]，因为它们排成一维向量都是6个元素，所以只要view后面的参数一致，得到的结果都是一样的。比如，

a=torch.Tensor([[[1,2,3],[4,5,6]]])  b=torch.Tensor([1,2,3,4,5,6])  print(a.view(1,6))  print(b.view(1,6))

得到的结果都是tensor([[1., 2., 3., 4., 5., 6.]]) 

再看一个例子：

a=torch.Tensor([[[1,2,3],[4,5,6]]])  print(a.view(3,2))

将会得到：

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

相当于就是从1，2，3，4，5，6顺序的拿数组来填充需要的形状。但是如果您想得到如下的结果：

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