维度转换

改变维度view

view 可以改变维度，合并拆分都可

#创建tensor变量
a=torch.rand(4,1,28,28)#4张图，1灰度图片，图片大小28*28
a.shape
#torch.Size([4, 1, 28, 28])#将后面三个维度合并在一起，1*28*28
a.view(4,28*28).shape
#torch.Size([4, 784])#前3个维度合并在一起
a.view(4*1*28,28).shape
#out：torch.Size([112, 28])b=a.view(4,784)
b.view(4,28,28,1).shape#1维转4维，但此转变没有物理意义
#out：torch.Size([4, 28, 28, 1])

squeeze/unsqueeze

增加维度unsqueeze

#创建tensor变量
a=torch.rand(4,1,28,28)#4张图，1灰度图片，图片大小28*28#在0的位置插入一个维度
a.unsqueeze(0).shape#0之前插入
#out:torch.Size([1, 4, 1, 28, 28])a.unsqueeze(-1).shape#-1之后插入
#out：torch.Size([4, 1, 28, 28, 1])

删减维度squeeze

b=torch.rand(1,32,1,1)#32个channel，每个Chanel上有一个点b.squeeze().shape#挤压维度维1的
#out：torch.Size([32])b.squeeze(0).shape#删减第一位
#out:torch.Size([32, 1, 1])b.squeeze(-1).shape#删减倒数第一位
#out:torch.Size([1, 32, 1])

expand/repeat

expand()函数可以将张量广播到新的形状，但是切记以下两点：

只能对维度值为1的维度进行扩展，且扩展的Tensor不会分配新的内存，只是原来的基础上创建新的视图并返回；
无需扩展的维度请保持维度值不变。

a=torch.rand(1,32,14,14)
a.expand(4,32,14,14).shape#expand维度与之前一致，
#out:torch.Size([4, 32, 14, 14])a.expand(4,32,-1,-1).shape#-1代表保持原来的维度不变
#out:torch.Size([4, 32, 14, 14])

repeat(),这个函数如函数名一样，是复制函数，参数表示把这个tensor复制成多少个，参数以1,2,3位来解释：

b=torch.rand(1,32,1,1)
a.repeat(4,1,1,1).shape#数字代表重复的字数
b.repeat(4,1,32,32).shape#重复4次，保持不变，重复32，。。32

转置操作

a=torch.randn(3,4)
a.t().shape

transpose维度交换

torch.transpose(Tensor, a,b)：transpose只能操作2D矩阵的转置

a=torch.rand([4,3,32,32])#transpose(1,3),代表交换的维度，1和3维度。
a1=a.transpose(1,3).view(4,3*32*32).view(4,3,32,32)
#[abcd]变成[adcb]在变成[abdc]
#注意数据不可用view随意变换a2=a.transpose(1,3).contiguous().view(4,3*32*32).view(4,32,32,3).transpose(1,3)
#[abcd]-[adcb]-[abcd]#比较a和a1，会发现
torch.all(torch.eq(a,a1))
#Falsetorch.all(torch.eq(a,a2))
#True

permute

Tensor.permute(a,b,c,d, …)：permute函数可以对任意高维矩阵进行转置，但没有 torch.permute() 这个调用方式，只能 Tensor.permute()：

a=torch.rand(4,3,28,28)
a.transpose(1,3).shapeb=torch.rand(4,3,28,32)
b.transpose(1,3).shape#所有维度可以随意变换
b.permute(0,2,3,1).shape
#torch.Size([4, 28, 32, 3])

tensor之维度转换相关推荐

tensor 增加维度_tensor维度变换
维度变换是tensorflow中的重要模块之一,前面mnist实战模块我们使用了图片数据的压平操作,它就是维度变换的应用之一. 在详解维度变换的方法之前,这里先介绍一下View(视图)的概念.所谓Vi ...
keras维度转换问题
一般如果只涉及卷积和全连接不需要考虑维度转换的问题,但是当使用inception模块,或者使用RNN和CNN结合的时候需要考虑维度转换的问题. 1.在keras中使用layers.Reshape函数, ...
pytorch permute维度转换
permute prediction = input.view(bs, self.num_anchors, self.bbox_attr ...
opencv mat 修改_C++ opencv矩阵和pytorch tensor的互相转换
矩阵和tensor相互转换 cvmat到tensor tips:这里主要要注意的就是在opencv和pytorch中存储顺序的差异 cv::cvtColor(frame, frame, CV_BGR2 ...
python numpy array 数组维度转换（转维）
在实践中,经常需要对中间数据或输出数据进行维度转换,保证多个数据间计算维度上的一致性. 一般主要涉及pytorch中tensorde的维度转换.numpy中array的维度转换.本篇先对array的维 ...
C#数组维度转换：一维数组二维数组三维数组相互转换
最近项目需要用到数组维度转换,网上资源较少,写一个分享与备用 1.一维数组转二维数组 /// <summary> /// 一维数组转2维数组(矩阵) /// </summary> ...
基于数据仓库和维度转换技术的广东电信公话IC话机话务动态分析系统
本文发表于期刊<天津通信技术>2003年4期. 基于数据仓库和维度转换技术的广东电信公话IC话机话务动态分析系统马根峰 (广东电信公用电话管理中心广州 510635) 摘要在电信 ...
PyTorch 安装和基本运算— Tensor 的数据类型（浮点型、整型、随机浮点型等）、基本运算（绝对值、求和、裁剪、求商、求积、求幂等）、Tensor 与 Numpy 转换
PyTorch 的安装可以到官网 https://pytorch.org/,选择适合自己机器以及安装方式,执行对应的命令即可. 除了安装 PyTorch 之外,建议也安装 torchvision 包. ...
Python中Numpy(2,numpy的基本操作(级联,维度转换,切分,副本))
1. ndarray的基本操作 # 1.索引与切片和列表的是一个道理 n2 = np.arange(0,10,1) print(n2) print(n2[::-1]) #反转 print(n2[:: ...

tensor之维度转换