【Pytorch】view的用法

torch.Tensor.view

會傳回具有相同資料但大小不同的新張量。 傳回的張量必須有與原張量相同的資料和相同數量的元素，但可以有不同的大小。一個張量必須是連續

contiguous()

的才能被檢視。類似于Numpy的

np.reshape()。

pytorch中view的用法

torch.Tensor.view

會将原有資料重新配置設定為一個新的張量，比如我們使用：

x = torch.randn(2, 4)
           

會輸出一個随機張量：

1.5600 -1.6180 -2.0366  2.7115
 0.8415 -1.0103 -0.4793  1.5734
[torch.FloatTensor of size 2x4]
           

然後我們看一下使用view重新構造一個

Tensor

y = x.view(4,2)
print y

# 輸出如下
 1.5600 -1.6180
-2.0366  2.7115
 0.8415 -1.0103
-0.4793  1.5734
[torch.FloatTensor of size 4x2]
           

從這裡我們可以看出來他的作用，既然這樣，我們可以将他變成一個三維數組：

z = x.view(2,2,2)

# 輸出
(0 ,.,.) = 
  1.5600 -1.6180
 -2.0366  2.7115

(1 ,.,.) = 
  0.8415 -1.0103
 -0.4793  1.5734
[torch.FloatTensor of size 2x2x2]
           

注意：我們不能随便定義參數，需要根據自己的資料使用，比如

x.view(2,2,1)

會傳回錯誤

RuntimeError: invalid argument 2: size '[2 x 2 x 1]' is invalid for input of with 8 elements at /Users/soumith/code/builder/wheel/pytorch-src/torch/lib/TH/THStorage.c:41

下面是官方的案例：

x = torch.randn(4, 4)
print x
print x.size()

# 輸出(4L, 4L)

y = x.view(16)
print y.size()
# 輸出(16L,)

z = x.view(-1, 8)  # the size -1 is inferred from other dimensions
print z.size()

# 輸出(2L, 8L)
           

轉自：https://ptorch.com/news/59.html