以如下 tensor a 为例，展示常用的维度变换操作
>>> a = torch.rand(4,3,28,28)
>>> a.shape
torch.Size([4, 3, 28, 28])
-
view / reshape 两者功能完全相同:
a.view(shape)>>> a.view(4,3,28*28) ## a.view(4,3,28,28) 可恢复 -
squeeze / unsqueeze:
a.unsqueeze(dim),a.squeeze(dim)只能挤压1 维度的>>> a.unsqueeze(0).shape ## a.squeeze(0) 可恢复 torch.Size([1, 4, 3, 28, 28]) -
transpose / permute：
.t()只能用于二维矩阵>>> a.transpose(0,1).shape ## 两两交换：交换 0 1 维度 torch.Size([3, 4, 28, 28]) >>> a.permute(0,1,2,3).shape ## 新置维度，非两两交换，更方便 torch.Size([4, 3, 28, 28]) -
expand / repeat 两者效果完全相同
expand高效更推荐>>> a.unsqueeze(0).expand(2,4,3,28,28).shape # 只能拓展 1 维度的 torch.Size([2, 4, 3, 28, 28]) >>> a.unsqueeze(0).repeat(2,1,1,1,1).shape # 不是填目标维度，而是填每个维度的重复次数 torch.Size([2, 4, 3, 28, 28]) -
broadcasting 自动扩张：基于已有的小维度的值
自动进行广播拓展
>>> b = a+torch.tensor(1) >>> b.shape torch.Size([4, 3, 28, 28])
- B站视频参考资料
