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。
