pytorch | transpose、permute、view、contiguous、is

transpose、contiguous、view

a = torch.randn(2,3) #随机产生的2*3的tensor，内存是连续的，所以打印出“真”
if a.is_contiguous():print("真")
else:print("假")
a = a.transpose(0,1)#经过transpose，维度变换后，内存不连续了，所以打印出“假”
if a.is_contiguous():print("真")
else:print("假")
a = a.contiguous()#contiguous函数将不连续内存变为连续内存，所以打印出“真”
if a.is_contiguous():print("真")
else:print("假")
a = a.view(1,6)#变换维度，但是内存依然连续，所以打印出“真“，view遇到不连续的会报错，只有连续的才不会报错
if a.is_contiguous():print("真")
else:print("假")

结果：

其中：is_contiguous函数是判断一个变量是否内存连续，连续返回True,不连续返回False

torch.reshape()

a = torch.randn(2,3) #随机产生的2*3的tensor，内存是连续的，所以打印出“真”
if a.is_contiguous():print("真")
else:print("假")
a = a.transpose(0,1)#经过transpose，维度变换后，内存不连续了，所以打印出“假”
if a.is_contiguous():print("真")
else:print("假")
a = torch.reshape(a,(1,6))#reshape相当于将contiguous和view进行了合并，无论之前是连续还是不连续，最终都是连续的，且不会报错
if a.is_contiguous():print("真")
else:print("假")

结果：

查看变量的内存地址：id()函数

a = torch.randn(2,3)
print(id(a))

结果：

transpose、permute异同点

transpose:交换维度

torch.manual_seed(1)
a = torch.randn(2, 3)
print(a)
b = a.transpose(0, 1)
print(b)
print('=====================')
a1 = torch.randn(2, 3, 4)
print(a1)
b1 = a1.transpose(1, 2)
print(b1)

结果：

permute:排列、置换维度，比transpose更灵活，适用于多维度

a1 = torch.from_numpy(np.array([[[1, 2, 3], [4, 5, 6], [7, 8, 9]], [[1, 2, 3], [4, 5, 6], [7, 8, 9]]]))
print(a1)
b1 = a1.permute(1, 0, 2)  # 原本是2*3*3,将第1维和第2维交换，结果变为3*2*3
print(b1)
c1 = a1.permute(1, 2, 0)  # 原本是2*3*3,第1维变为第3维，第2维变为第1维，第3维变为第2维，结果是：3*3*2
print(c1)

结果：

虽然都是维度变化，但transpose只能选择两个维度进行交换，permute则可以多维交换。

看函数原型也能看出：

def transpose(self, dim0: _int, dim1: _int) -> Tensor: ...

def permute(self, dims: _size) -> Tensor: ...

pytorch | transpose、permute、view、contiguous、is_contiguous、reshape相关推荐

【PyTorch】contiguous==＞保证Tensor是连续的，通常transpose、permute 操作后执行 view需要此方法
目录 PyTorch中的is_contiguous是什么含义? 行优先为什么需要 contiguous ? contiguous 本身是形容词,表示连续的,关于 contiguous, PyTorc ...
Pytorch中改变形状和交换维度详解：view()、reshape()、transpose()、permute()以及contiguous()
文章目录 view()和reshape() transpose()和permute() contiguous 以后操作基于下述tensor. import torch a=torch.rand(2,2 ...
PyTorch中contiguous、view、Sequential、permute函数的用法
在pytorch中,tensor的实际数据以一维数组(storage)的形式存储于某个连续的内存中,以"行优先"进行存储. 1. tensor的连续性 tensor连续(conti ...
深度学习之Pytorch中的flatten()、transpose()和permute()
1.flatten():压缩维度 input_tensor.flatten(start_dim, end_dim),其中 input_tensor 就是输入的你想压缩的 tensor,start_di ...
android 如何获得activity的view对象,Android的Activity 、 Window 、 View之间的关系
什么是Activity .View . Window? Activity:是Android 四大组件之一, 是存放View对象的容器,也是我们界面的载体,可以用来展示一个界面.它有一个SetConte ...
R语言使用table1包绘制（生成）三线表、使用单变量分列构建三线表、设置transpose参数转置三线表、变量作为列，子组（strata）作为行
R语言使用table1包绘制(生成)三线表.使用单变量分列构建三线表.设置transpose参数转置三线表.变量作为列,子组(strata)作为行目录
Ember——在构建Ember应用程序时，我们会使用到六个主要部件：应用程序（Application）、模型（Model）、视图（View）、模板（Template）、路由（...
在构建Ember应用程序时,我们会使用到六个主要部件: 模板(Template).应用程序(Application).视图(View).路由(Routing).控制器(Controller)和模型(M ...
Pytorch：深度学习中pytorch/torchvision版本和CUDA版本最正确版本匹配、对应版本安装之详细攻略
Pytorch:深度学习中pytorch/torchvision版本和CUDA版本最正确版本匹配.对应版本安装之详细攻略目录深度学习中pytorch/torchvision版本和CUDA版本最正确 ...
PyTorch 深度学习模型压缩开源库（含量化、剪枝、轻量化结构、BN融合）
点击我爱计算机视觉标星,更快获取CVML新技术本文为52CV群友666dzy666投稿,介绍了他最近开源的PyTorch模型压缩库,该库开源不到20天已经收获 219 颗星,是最近值得关注的模型压缩 ...

pytorch | transpose、permute、view、contiguous、is_contiguous、reshape

pytorch | transpose、permute、view、contiguous、is_contiguous、reshape相关推荐

最新文章

热门文章