如何调整PyTorch的张量大小？

要调整PyTorch张量的大小，我们使用 .view() 方法。我们可以增加或减少张量的维度，但必须确保在调整大小前后张量中的元素总数相同。

步骤

导入所需的库。在所有以下Python示例中，所需的Python库是 torch 。确保您已经安装它。
创建一个PyTorch张量并打印它。
使用 .view() 调整上面创建的张量的大小，并将值分配给变量。 .view() 不会调整原始张量的大小，它只会提供具有新大小的视图，顾名思义。
最后，在调整大小后打印张量。

示例1

# Python program to resize a tensor in PyTorch
# Import the library
import torch

# Create a tensor
T = torch.Tensor([1, 2, 3, 4, 5, 6])
print(T)

# Resize T to 2x3
x = T.view(2,3)
print("Tensor after resize:\n",x)

# Other way to resize T to 2x3
x = T.view(-1,3)
print("Tensor after resize:\n",x)

# Other way resize T to 2x3
x = T.view(2,-1)
print("Tensor after resize:\n",x)

输出

当运行上面的Python 3代码时，它将产生以下输出

tensor([1., 2., 3., 4., 5., 6.])
Tensor after resize:
tensor([[1., 2., 3.],
        [4., 5., 6.]])
Tensor after resize:
tensor([[1., 2., 3.],
        [4., 5., 6.]])
Tensor after resize:
tensor([[1., 2., 3.],
        [4., 5., 6.]])

示例2

# Import the library
import torch

# Create a tensor shape 4x3
T = torch.Tensor([[1,2,3],[2,1,3],[2,3,5],[5,6,4]])
print(T)

# Resize T to 3x4
x = T.view(-1,4)
print("Tensor after resize:\n",x)

# Other way to esize T to 3x4
x = T.view(3,-1)
print("Tensor after resize:\n",x)

# Resize T to 2x6
x = T.view(2,-1)
print("Tensor after resize:\n",x)

输出

当运行上面的Python 3代码时，它将产生以下输出

tensor([[1., 2., 3.],
        [2., 1., 3.],
        [2., 3., 5.],
        [5., 6., 4.]])
Tensor after resize:
tensor([[1., 2., 3., 2.],
        [1., 3., 2., 3.],
        [5., 5., 6., 4.]])
Tensor after resize:
tensor([[1., 2., 3., 2.],
        [1., 3., 2., 3.],
        [5., 5., 6., 4.]])
Tensor after resize:
tensor([[1., 2., 3., 2., 1., 3.],
        [2., 3., 5., 5., 6., 4.]])