您的位置:

深入解析torch reshape

一、reshape基础概念

torch reshape是PyTorch提供的一种基本操作,用于更改PyTorch张量的形状(形状包括张量的尺寸和维度)。当我们需要对张量进行扁平化,展平或还原操作时,就可以使用reshape函数。

实际上,reshape函数不改变原始张量数据的大小和顺序,而是将原始数据重组为新的张量,以符合新的形状。例如,我们可以将一个形状为3x3的张量转换为形状为9x1的向量或形状为1x9的向量,同时保持原始数据不变。

下面是一个展示reshape函数的基础用法的示例代码:

import torch

# 创建一个形状为(2,4)的张量
x = torch.Tensor([[0, 1, 2, 3], [4, 5, 6, 7]])

# 将张量重新reshape为形状为(8,1)
x = x.reshape((8, 1))

# 输出重组后的张量
print(x)

二、reshape高级应用

1. 张量扩展

张量扩展是一种通过增加维度来扩展张量的方法。PyTorch使用reshape函数实现张量扩展。例如,我们可以将形状为(4,)的向量扩展为形状为(1,4)的张量,再扩展为形状为(3,1,4)的张量。下面是一个示例代码:

import torch

# 创建一个形状为(4,)的向量
x = torch.Tensor([0, 1, 2, 3])

# 张量扩展:将向量扩展为形状为(1,4)的张量
x = x.reshape((1, 4))

# 张量扩展:将向量扩展为形状为(3,1,4)的张量
x = x.reshape((3, 1, 4))

# 输出横跨三个维度的张量
print(x)

2. 将多维张量展平

我们可以使用PyTorch的reshape函数来将多维张量展平为一维向量。在将多维张量reshape为一维向量之前,通常需要先确认多维张量的元素数量是否符合预期,以确保不会丢失任何信息。以下是一个示例代码:

import torch

# 创建一个形状为(2,3)的张量
x = torch.Tensor([[0, 1, 2], [3, 4, 5]])

# 展平张量
x = x.reshape((-1,))

# 输出展平后的张量
print(x)

3. 重新排列张量中的维度

我们可以使用PyTorch的reshape函数来重新排列张量中的维度。在重新排列张量中的维度之前,需要确认多个张量的元素数量是否匹配。以下是一个示例代码:

import torch

# 创建一个形状为(2,3,4)的张量
x = torch.randn(2, 3, 4)

# 重新排列张量中的维度
x = x.permute(1, 0, 2)

# 输出重新排列后的张量
print(x)

三、reshape注意事项

1. 元素总数必须相同

当使用reshape函数重新排列张量维度时,必须确保所有张量元素的总数相同,否则会抛出异常。例如,不能将一个形状为(3,3)的张量reshape为(2,3)的张量,因为元素总数不一样。同样的理由,不能将形状为(3,3)的张量reshape为形状为(1,8)的张量,原因也是元素总数不一样。

2. 某些操作可能需要变量的形状

在PyTorch中,有些操作可能需要符合特定形状的变量。例如,当我们需要在两个张量上执行矩阵相乘时,这两个张量的形状必须符合矩阵相乘的规则。在这种情况下,我们可以使用reshape函数将一个形状不正确的张量转换为新的形状,以符合操作的需要。

3. reshape() 返回的是视图,而不是副本

PyTorch的reshape函数返回的是原始张量的新视图,而不是副本,因此原始张量和新形状的张量共享相同的数据。如果更改其中一个张量,则其他张量可能会收到影响。这也意味着,如果我们修改了使用reshape函数返回的张量,原始张量的形状也将会被改变。如果需要避免这种情况,可以使用clone函数创建一个新的张量。

4. 零维张量不能被展平

零维张量是一种特殊情况,它们不具有任何形状,也不包含元素。在大多数情况下,我们会避免创建零维张量或使用零维张量上的reshape函数,因为它们会导致程序异常。例如,试图展平零维张量时将引发:只有具有非零元素的张量才能通过展平函数进行展平的异常。下面是一个异常代码示例:

import torch

# 创建一个Form为()的零维张量
x = torch.Tensor(3)

# 试图展平零维张量时将引发异常
x = x.reshape((-1,))

# 异常信息:只有具有非零元素的张量才能通过展平函数进行展平
print(x)

5. 名称维都可以被修改

PyTorch的张量可以在名称维中指定张量的名称。当我们使用reshape函数更改张量形状时,名称维也会自动更改。以下是一个示例代码:

import torch

# 创建一个形状为(2,3)的张量
x = torch.randn(2, 3)
x = x.name_("x")

# 将张量reshape为形状为(3,2)
y = x.reshape(3, 2)

# 输出张量名称和形状
print(y.name, y.shape)

四、总结

PyTorch的reshape函数支持多种不同的操作,包括重新排列张量维度、张量扩展和多维张量展平等。在使用reshape函数时,注意元素总数必须相同,某些操作需要变量的形状,并且在修改使用reshape函数返回的张量时,原始张量的形状也将会被改变。最后,不要忘记名称维可以在使用reshape函数时进行修改。