深度学习与PyTorch入门实战 - 09. 维度变换

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/dragen1860

摘要

文档主要讲解了PyTorch中张量的维度变换方法，包括View/reshape、Squeeze/unsqueeze、Transpose/t/permute和Expand/repeat等操作。通过示例代码展示了如何对张量进行形状变换，如转置、添加维度、扩展维度等操作。文档还提到了在实际操作中需要注意张量的连续性问题，例如在使用view操作时可能会遇到张量不连续导致的错误，需要使用contiguous()方法解决。内容涵盖了张量维度变换的基本概念和实际应用，帮助读者掌握PyTorch中张量操作的核心技巧。

AI总结

# 深度学习与PyTorch入门实战 - 09. 维度变换

## PyTorch Tensor维度变换

### Operation

#### View/reshape

- **注意**：`View`会丢失维度信息。

#### Squeeze/unsqueeze

- **Squeeze**：去掉大小为1的维度。
- **Unsqueeze**：增加一个维度。

#### Transpose/t/permute

- **Transpose**：交换维度。
- **t**：二维张量的转置。
- **permute**：重新排列维度。

#### Expand/repeat

- **Expand**：复制数据以增加维度。
- **repeat**：重复数据以增加张量大小。

### 示例

#### Transpose

a = torch.randn(4, 3, 32, 32)
a1 = a.transpose(1, 3).view(4, 3*32*32).view(4, 3, 32, 32)

#### unsqueeze

a = torch.tensor([1.2, 2.3])
a.unsqueeze(-1)  # 输出 tensor([[1.2000], [2.3000]])
a.unsqueeze(0)   # 输出 tensor([[1.2000, 2.3000]])

#### permute

b = torch.rand(32)
f = torch.rand(4, 32, 14, 14)
b = b.unsqueeze(1).unsqueeze(2).unsqueeze(0)
b.shape  # 输出 torch.Size([1, 32, 1, 1])

### 注意事项

- 在进行维度变换时，确保操作的兼容性，必要时使用`.contiguous()`以避免错误。
- `t()`仅适用于二维张量。

### 总结

PyTorch中的张量维度变换操作（如View、Squeeze、Transpose、permute、Expand和repeat）在深度学习中非常重要，特别是在处理神经网络的输入输出和调整模型结构时。正确使用这些操作可以避免错误，并确保数据的正确性和模型的顺利运行。